-
题名CO2环境中植物缓蚀剂研究进展
被引量：3
- 1
-
-
作者
贺三
徐慧兰
张剑雄
王传军
王坤
杨文
赵志超
-
机构
西南石油大学
中海石油(中国)有限公司天津分公司
中石化重庆天然气管道有限责任公司
-
出处
《表面技术》
EI
CAS
CSCD
北大核心
2021年第1期187-195,220,共10页
-
基金
国家科技重大专项(2016ZX05016-003)
油气消防四川省重点实验室开放基金(OGFP201903)。
-
文摘
植物提取物作为金属腐蚀抑制剂,具有成本低廉、无毒无污染和缓蚀效率高的特点,近年来受到了广泛的关注。针对CO2环境中植物缓蚀剂的研究进展进行了综述,简述了植物缓蚀剂的防腐优势。总结了目前常用的植物有效缓蚀成分的分析与提取方法,发现具有腐蚀抑制作用的活性成分大都具有孤电子对,其官能团中包含了氧原子、共轭双键或芳环。同时,在常规溶剂萃取方法的基础上,引入超声波、微波和超临界流体萃取等手段,可有效提高植物缓蚀剂的缓蚀效率。在植物缓蚀剂中添加Zn^2+、I^-或纳米材料后,呈现协同效应。此外,还阐述了植物缓蚀剂的作用机理。现有植物缓蚀剂以成膜型为主,其机理包括物理吸附、化学吸附和混合吸附。最后,对植物缓蚀剂未来的研究方向及发展趋势进行了展望,为进一步验证所用植物的安全性,有必要对其毒性、生物蓄积性和生物降解性进行实验。采用量子化学计算方法、分子动力学(MD)以及蒙特·卡罗方法(MC)等计算技术,对植物提取物的化学性能进行合理预测,也是未来的研究方向之一。
-
关键词
植物缓蚀剂
CO2环境
成分分析
提取方法
协同作用
缓蚀机理
-
Keywords
plant corrosion inhibitor
CO2 environment
component analysis
extraction method
synergy
corrosion inhibition mechanism
-
分类号
TG174.42
[金属学及工艺—金属表面处理]
-
-
题名往复压缩机网状阀阀片运动规律及应力分析
被引量：6
- 2
-
-
作者
郑诏星
王磊
江志农
王瑶
张进杰
-
机构
高端机械装备健康监控与自愈化北京市重点实验室
中石化重庆天然气管道有限责任公司
-
出处
《流体机械》
CSCD
北大核心
2018年第3期7-12,共6页
-
基金
国家高技术研究发展计划(863计划)项目(2014AA041806)；中央高校基本科研业务费专项资金资助项目(ZY1617)
-
文摘
气阀作为往复压缩机的关键部件,其故障率一直以来都排在首位,阀片运动规律的优劣直接影响气阀的使用寿命,故研究阀片的运动特性就显得特别重要。根据网状进气阀的结构建立了数学模型和实体模型,采用MATLAB和ANSYS/LS-DYNA软件对阀片动作过程进行了模拟,又用传感器对网状阀的阀片位移进行了实际测量。通过对仿真与试验结果的分析比对,得出了阀片在不同气阀弹簧刚度及不同转速下的动作响应特性,并分析出了振颤应力与撞击应力对阀片寿命的影响。
-
关键词
网状阀
振颤
弹簧刚度
-
Keywords
plate valve
flutter
spring stiffnessat
-
分类号
TH45
[机械工程—机械制造及自动化]
TH137
[机械工程—机械制造及自动化]
-
-
题名一种基于流形学习和KNN算法的柴油机工况识别方法
被引量：7
- 3
-
-
作者
江志农
赵南洋
夏敏
赵飞松
高佳丽
张进杰
-
机构
北京化工大学高端机械装备健康监控与自愈化北京市重点实验室
中石化重庆天然气管道有限责任公司
北京化工大学压缩机技术国家重点实验室压缩机健康智能监控中心
-
出处
《噪声与振动控制》
CSCD
2019年第3期1-6,共6页
-
基金
国家“863”计划资助项目(2014AA041806)
国家重点研发计划资助项目(2016YFF0203305)
+1 种基金
中央高校基本科研业务费专项资金资助项目(JD1815)
双一流建设专项经费资助项目(ZD1601)
-
文摘
不同负荷状态下的柴油机振动、温度、转速等信号显著不同,而机组故障信号特征往往被淹没在随负荷变化而剧烈变化的信号中,因此变负荷状态下的柴油机故障监测诊断难度较大,一直困扰着柴油机的实际故障诊断工作。提出一种基于流形学习和KNN算法的柴油机工况识别方法,为柴油机变负荷工况下故障监测预警打下基础。方法融合机组的多源信号特征构建特征向量,通过流形学习t-分布邻域嵌入算法(t-SNE)实现特征向量的维数约简和敏感特征提取,采用K最近邻分类算法(KNN)完成柴油机运行负荷状态的自动分类。正常及故障状态下多组柴油机监测数据的处理结果验证了方法的有效性和实用性。
-
关键词
振动与波
柴油机
变负荷
流形学习
KNN
敏感特征
-
Keywords
vibration and wave
diesel engine
variable load
manifold learning
KNN
sensitive feature
-
分类号
TK42
[动力工程及工程热物理—动力机械及工程]
TH165.3
[机械工程—机械制造及自动化]
-
-
题名随机森林算法在柴油机故障诊断中的应用
被引量：12
- 4
-
-
作者
魏东海
王磊
赵志超
张进杰
-
机构
北京化工大学机电工程学院诊断与自愈工程研究中心
中石化重庆天然气管道有限责任公司
-
出处
《机械设计与制造》
北大核心
2020年第7期63-66,共4页
-
基金
863项目(2014AA041806)
国家重点研发计划(2016YFF0203305)
中央高校基本科研业务费专项资金资助(JD1815)。
-
文摘
针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法。首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行归一化处理,得到特征向量;最后,特征向量作为输入参数输入到随机森林算法中,训练得到分类模型,对柴油机常见故障进行识别。实验结果表明,随机森林方法相比于单一分类器可以更准确的识别出柴油机的运行状态,该方法在柴油发动机在线监测与故障诊断领域中具有良好的应用前景。
-
关键词
随机森林
柴油发动机
振动信号
小波包分解
故障诊断
-
Keywords
Random Forest
Diesel Engine
Vibration Signal
Wavelet Packet Decomposition
Fault Diagnosis
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
