|
搜索
搜 索
高等教育领域数字化综合服务平台
风力发电机叶片一次成型制备
目前国内外生产大中型风机叶片都采用分步制备、粘结成型工艺，即先分别制作叶 片的上、下外壳和芯梁后，再粘成一体。这种工艺存在三个方面的不足。首先，由于粘 接剂的强度比复合材料上下壳的强度低，粘结起来的叶片强度就远不如整体一次成型叶 片（不使用任何粘接剂连接）的强度高；其次，多步成型一般很难确保叶壳、芯梁等部 件在每一个截面的加工精度、粘接定位精度以及粘接时的压实精度，直接影响成型后的 叶片外形精度和实际效率，除非有十分熟练的技工和完善的机械化加工装备；第三，分 步制备中的每一个部件都需要一个专用模具，模具多、厂房占地面积大、生产周期长。 我们发明的新技术是借助智能芯对叶片一次成型，不再使用任何粘结剂，提高了叶片的 力学强度，其直接效果是可以显著降低材料用量；由于采用了智能芯，叶片外壳固化时 智能芯膨胀形成足够高的挤压力，使得成型后的叶片外形与设计的外形相同，能够确保 叶片的气动效率；由于这种高精度叶片外形是由工艺本身实现的，不是由生产员工的技 能取得的，因而，新技术对员工的技术要求就大大降低；最后一点也十分自然，一次成 型叶片的生产周期比传统成型方法大大缩短。
同济大学
2021-04-13
轻微型电动汽车用增程发电系统
北京工业大学
2021-04-14
风力发电机主轴超声在线监测系统
北京工业大学
2021-04-14
一种利用人体体温发电的装置
本发明公开了一种利用人体体温发电的装置，该装置包括聚热板、散热板、两块底板、两块侧板、多孔发电层、多孔导液层、电极·821·和循环工质；聚热板与散热板的两端分别通过两块侧板连接，聚热板、散热板、两块侧板和两块底板形成一个密闭腔体；多孔发电层紧贴聚热板的内侧；其两端均设有电极；侧板上具有用于引出电极的开孔；多孔导液层紧贴散热板的内侧，其内部被循环工质浸润，多孔导液层的两端紧贴多孔发电层的端部；该装置被佩戴
华中科技大学
2021-04-14
一种盐差能发电装置和方法
本发明公开了一种盐差能发电装置，包括：渗透装置，其包括由多个渗透膜元件并联而成用以将浓盐水和海水分成高浓度侧和低浓度侧的渗透级；水轮机，其与渗透装置的高浓度侧对应，通过联轴器与发动机连接，用以驱动发电机工作；在渗透级的高浓度侧和低浓度侧分别通入浓盐水和海水后，渗透级可将渗透压差转变成高浓度侧流体静压，并利用在该渗透级施加的相应大小的背压，即可驱动各水轮机转动进而驱动发电机工作。本装置利用海水作为浓度低的给水侧，
华中科技大学
2021-04-14
一种有机工质向心透平发电装置
本发明公开了一种有机工质向心透平发电装置，包括向心透平、减速装置和发电机。将向心透平输出轴和减速装置高速端轴设为同一根轴，轴的一端与向心透平叶轮固定连接，轴的另一端与减速装置高速端齿轮连接；减速装置低速端轴与发电机通过联轴器连接。在叶轮后方的轴上安装有碳环密封，碳环密封后安装有螺纹与迷宫环联合密封，在碳环密封和螺纹与迷宫环联合密封之间用机壳形成密闭腔室，在减速装置低速端轴上安装有骨架油封。按照本发明，缩短了向心透
华中科技大学
2021-04-14
24019手摇胶质瘤发电机
宁波浪力仪器有限公司（余姚市朗海科教仪器厂）
2021-08-23
炼铁生产过程伴生能源的整体梯级回收系统
本发明公开了一种炼铁生产过程伴生能源的整体梯级回收系统,包括:包含燃气轮机的高炉煤气燃机发电系统和包含双压余热锅炉的余热回收发电系统;还包括烧结烟气回收系统和冷却热废气回收系统。所述的烧结烟气回收系统将来自烧结机的烧结烟气经除尘器除尘后,在第一引风机的抽吸作用下送入双压余热锅炉;所述的冷却热废气回收系统将冷却热烧结矿后产生的热废气在第二引风机的抽吸作用下也送入双压余热锅炉。本发明系统将烧结工艺显热和炼铁过程伴生的低热值高炉煤气进行整体回收,并且梯级利用,形成完整的、能稳定运行的中低温余热、低热值高炉煤气高效综合利用系统。
浙江大学
2021-04-11
一种能源回收自清洁的垃圾输送系统
本发明公开了一种能源回收自清洁的垃圾输送系统，包括：用于输送垃圾桶升降循环的升降机构，所述升降机构具有环形输送件，环形输送件上间隔布置有多个连接座，每个连接座上转接有所述的垃圾桶；安装在所述升降输送机构两侧并用于保持垃圾桶升降运动姿态的限位轨道，靠近所述升降机构的底部设有无限位轨道作用的垃圾倾倒位；置于各楼层并用于控制垃圾桶在垃圾投放口停止的即停机构；位于所述升降机构下方的垃圾储存箱，用于储存各垃圾桶翻转倒出的垃圾。本发明适用于高层建筑各楼层垃圾的升降输送；节省电梯运输垃圾的功耗，节能减排；减少垃圾处理的人力消耗，降低管理成本。
浙江大学
2021-04-11
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11