拖网渔船柴油机最佳供油提前角的确定方法ＴＨＥＭＥＴＨＯＤＴＯＤＥＦＩＮＥＯＰＴＩＭＵＭＯＦＦＥＲＩＮＧＯＩＬＡＴＡＮＧＬＥＯＦＬＥＡＤＦＯＲＴＲＡＷＬＥＲＤＩＥＳＥＬＥＮＧＩＮＥ陈日成ＣｈｅｎＲｉｃｈｅｎｇ（湛江海洋渔业公司，５２４０９９）（Ｚｈａｎ...

渔船柴油机,不论功率大小,在运营过程中,难免要出现些故障。因此,轮机长和轮机员应时常注意观察主机的运营情况,及时发现和排除故障,以利安全航行与生产。现将渔船柴油机的常见故障产生的原因简要介绍如下。 1.产生敲缸的原因 (1)喷油时间过早; (2)轴承间隙过大; (3)活塞与气缸间隙过大或活塞环咬死在环槽内; (4)活塞连杆组中心线与曲轴中心线安装不垂直; (5)超过负荷运转或暴发压力过高; (6)突然的机械损坏,如活塞、活塞销、连

渔业现代化的重要标志之一,是广泛采用先进的渔业机械、仪器装备渔船。每艘渔船除安装一台主机外,还配置若干台辅机,主机的功率一般大于辅机功率的数倍。特殊用途的作业渔船,也有安装2台主机的。 根据我国渔船作业航区的划分,基本上分为三类:Ⅰ类航区——无限航区;Ⅱ类航区——距岸120～200海里的海区;Ⅲ类航区——距岸10～20海里的海区。衡量我国渔船的大小习惯上用马力统计,一般200马力(147kW)以上称为渔轮,185马力(136kW)以下称为小型渔船,规定小型渔船在近海Ⅲ类航区和部分Ⅱ类航区作业。 由于目前渔船作业海区外延,航程远,对主机的安全运行提出了更高的要求,其中至关重要的是要加强渔...

中国有数十艘中型单拖渔船在大西洋中东部海域捕鱼,但对渔船拖力与网具、网板之间的匹配研究较少。作者经对三种不同型号渔船的测试,并同外国同类作业渔船进行对比分析,提出了网具、网板和纲索三者阻力的合理分配比例。同时提出确定渔具系统总阻力的方法。

近年来,海洋捕捞渔船的数量发展很快,功率也由小到大,在海洋渔业资源严重衰退的情况下,直接影响了捕捞渔船的单位产量和产值,吨油产量仅为80年代的1/3左右,经济效益普遍较差。为了减少投入资金,提高捕捞业的经济效益,除加强对渔业资源的保护和合理利用外,在渔船的建造上,选择船

[目的]针对传统机器学习在拖拉机柴油机故障诊断应用中的局限性，本研究提出一种HPO-SVM（Hybrid Population Optimization-Support Vector Machine）拖拉机柴油机故障诊断模型。[方法]首先，采用SVM（Support Vector Machine）作为故障诊断模型的基体，针对SVM优化问题，以PSO（Particle Swarm Optimization）和GWO（Grey Wolf Optimization）算法为基础提出了HPO（Hybrid Population Optimization）算法对SVM的重要参数c、g进行优化；然后，分析柴油机的故障机理，确定反映故障发生的数据信号；最后，基于CAN（Controller Area Network）总线和Arduino UNO-MCP 2551组合模块采集潍柴WP6型拖拉机柴油机传感器信号数据对HPO-SVM的性能进行测试，并将测试结果与SVM、PSO-SVM（Particle Swarm Optimization-Support Vector Machine）、GWO-SVM（Grey Wolf Optimization-Support Vector Machine）、GWOPSO-SVM（Grey Wolf Optimization Particle Swarm Optimization-Support Vector Machine）、LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的测试结果进行对比。[结果]相比于其他4种SVM模型，HPO-SVM充分发挥了GWO算法和PSO算法在SVM参数寻优方面的优势，故障诊断准确率大幅度提升，相比于SVM，诊断总准确率由80.00%上升至100.00%，上升了20.00%；HPO算法提高了单种群优化算法的寻优性能，相较于PSO算法，HPO算法最佳适应度由70提升至90，提高了22.22%，达到最佳适应度时的迭代次数由105下降至27，下降了74.29%；为避免偶然性对5种SVM模型采取了6次重复试验，试验结果表明，相较于其他4种模型HPO-SVM模型的性能更稳定，HPO-SVM的6次诊断总准确率均为100.00%；HPO-SVM采用SVM作为故障诊断模型，缓解了优化算法的寻优压力，提高了模型的效率，相比于LWD-QPSO-SOMBP神经网络，HPO-SVM模型的运行时间由45 s降低至15 s，下降了66.67%。[结论]本文研究可为高效率拖拉机柴油机故障诊断提供参考。

[目的]针对传统机器学习在拖拉机柴油机故障诊断应用中的局限性，本研究提出一种HPO-SVM（Hybrid Population Optimization-Support Vector Machine）拖拉机柴油机故障诊断模型。[方法]首先，采用SVM（Support Vector Machine）作为故障诊断模型的基体，针对SVM优化问题，以PSO（Particle Swarm Optimization）和GWO（Grey Wolf Optimization）算法为基础提出了HPO（Hybrid Population Optimization）算法对SVM的重要参数c、g进行优化；然后，分析柴油机的故障机理，确定反映故障发生的数据信号；最后，基于CAN（Controller Area Network）总线和Arduino UNO-MCP 2551组合模块采集潍柴WP6型拖拉机柴油机传感器信号数据对HPO-SVM的性能进行测试，并将测试结果与SVM、PSO-SVM（Particle Swarm Optimization-Support Vector Machine）、GWO-SVM（Grey Wolf Optimization-Support Vector Machine）、GWOPSO-SVM（Grey Wolf Optimization Particle Swarm Optimization-Support Vector Machine）、LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的测试结果进行对比。[结果]相比于其他4种SVM模型，HPO-SVM充分发挥了GWO算法和PSO算法在SVM参数寻优方面的优势，故障诊断准确率大幅度提升，相比于SVM，诊断总准确率由80.00%上升至100.00%，上升了20.00%；HPO算法提高了单种群优化算法的寻优性能，相较于PSO算法，HPO算法最佳适应度由70提升至90，提高了22.22%，达到最佳适应度时的迭代次数由105下降至27，下降了74.29%；为避免偶然性对5种SVM模型采取了6次重复试验，试验结果表明，相较于其他4种模型HPO-SVM模型的性能更稳定，HPO-SVM的6次诊断总准确率均为100.00%；HPO-SVM采用SVM作为故障诊断模型，缓解了优化算法的寻优压力，提高了模型的效率，相比于LWD-QPSO-SOMBP神经网络，HPO-SVM模型的运行时间由45 s降低至15 s，下降了66.67%。[结论]本文研究可为高效率拖拉机柴油机故障诊断提供参考。

为研究某大型船用柴油机曲轴箱的轴端密封漏油问题,建立了面向气液两相介质的密封试验装置。通过试验获得了不同转速条件下空气和滑油的泄漏速率,定量地研究了密封装置中的甩油环、迷宫齿槽及回油通道等结构的减漏作用。为适应曲轴箱轴端密封大轴径、大间隙的特点,提出了基于刷式密封的改进方案。利用刷式密封的多孔介质模型分析了安装密封刷环对泄漏和流场的影响,并在试验装置上验证了刷式密封的减漏效果。试验结果表明:增加刷式密封后空气泄漏速率降幅达76%,漏油速率降幅达79%。

江苏省如皋市雪岸乡能源办针对部分从事豆制品加工专业户和磨粉专业户,它们既用柴油机为加工动力,又兴办了沼气,两者皆备的特点。从1989年开始,通过简单的改装进气装置,将沼气随空气冲入柴油机气缸内,形成油气混烧,便可以发挥以气代油,

本文报道了改进设计的专用鳀鱼变水层拖网1994～1995年期间海上的试验结果。试验结果表明:该网的结构合理,网具性能优良。网口高度达12.6m,拖速提高到3.0～3.8节。拖网阻力比原生产网减少19％,平均网次产量比原生产网增产35.3％。

本文介绍了58.8kW渔船绳拖网的设计和生产试验情况。根据中上层鱼类的生态习性,选取网具的最大网目为7m,在网口周长、网线配置和网身形状等方面作了深入探讨的基础上,设计了182m×94.7m绳拖网。从生产试验情况看,它比目大5m拖网增产60％以上。

１９８ｋＷ渔船绳拖网试验报告ＥＸＰＥＲＩＭＥＮＴＡＬＲＥＰＯＲＴＯＮＴＨＥＲＯＰＥＴＲＡＷＬＵＳＥＤＩＮ１９８ＫＷＦＩＳＨＩＮＧＢＯＡＴ孙泰昌崔国平邹惠君李烟芬（山东省海洋水产研究所，烟台２６４０００）陈家乐刘全成刘来军山东省海洋水产研究所，烟台２６...

本文通过某柴油机公司5个月来发生过故障的发动机产品数据的统计记录,使用故障树分析方法及原理对该公司产品的故障原因事件做了精确、细致的分析比较。根据分析比较的结果,识别出该发动机产品出现故障的所有原因,对其原因做出了定性分析和定量的计算,通过对故障树最小割集的定性分析找到了导致顶事件的底事件。据此对该公司的质量管理方面提出整改措施,以便以后避免出现或减少出现类似问题,从而提高产品的可靠性、安全性,提高公司的效益。

如何在专利数据海洋中挖掘技术主题的研究现状、识别具有潜力的研发热点,对企业和国家来说都是至关重要的战略议题。针对目前技术主题演化趋势预测研究中存在的不足:技术创新过程中随机特征的忽视、人工分类的缺陷以及专业术语难以识别等问题,本研究提出一种组合方法,首先使用维特比(Viterbi)算法识别专利文献中的专业术语,其次利用机器学习中的隐含狄利克雷分布(LDA)算法捕捉专利文献中潜在的技术主题聚类,分析各时期技术主题的分布特征和演变规律,然后结合包含双重随机过程的隐马尔可夫模型(HMM)对未来技术趋势进行定量预测,最后以船用柴油机技术为例,应用上述组合方法分析船用柴油机技术的主题分布、演化规律及未来趋势。对比实验显示本文方法具有有效性和实用价值。