海军航空发展中心,华盛顿特区 20362 美国机械工程师学会,纽约州纽约市 10017 联邦航空管理局,华盛顿特区 20591 美国国家航空航天局,戈达德太空高中心,马里兰州格林贝尔特 20771
本通函是对有关铁和有色金属及合金在常温、高温和低温下的强度和相关性能、热膨胀以及热导率和电导率的技术文献进行全面调查的结果的总结。一般来说,数据以表格形式呈现,尽管经常使用图形表示来指示改变成分或条件对性能的影响。包括有关铝、铜、铁和钢、铅、镁、镍、锡、锌、多种杂项金属及其合金的数据。’ 本通函不仅限于传统工程材料,还包含许多通常不被归类为此类材料的性能数据。包括对数据来源的文献参考
电动汽车核心组件的抽象维护对于确保生产力,寿命,驱动质量和安全环境至关重要。预测性维护是一种使用操作和故障条件数据来预测未来机器条件并根据此预测做出决定的方法。用于预测维护和状况监控的方法可以基于机器学习和数据分析。学习过程始于对数据的观察,并在以后的实例中使用它来构建模型。主要目的是允许计算机在不参与人类援助干预的情况下学习。一些机器学习方法是监督学习,半监督学习和强化学习。提出的研究的主要目的是使用各种电子控制单元的电动汽车的可用传感器数据,并设计一个预测模型,该模型对电动汽车中发生的各种电气和机械故障进行了分类,并预测了增加整个电气车辆系统的可靠性的类型。项目的工作流程被定义为故障建模,生成健康和故障数据,使用时间同步平均进行处理数据,对系统状况指标的识别以及最终使用这些条件指标,设计了SVM分类预测模型,从模拟研究中推断出所需的结果并从模拟研究中推断出结论。关键字:预测性维护,电动汽车,故障,齿轮故障,电气故障,BLDC电机
摘要 - 密封包装是微观计量计保持长期可靠性的关键要求。对于微量光度计的真空包装以获得更高的红外光线传输,需要稀薄的膜片。但是,由于大气的压力差,较薄的隔膜会导致较大的挠度,这可能会影响IR信号的焦点并可能导致机械故障。在本文中,已经根据使用COMSOL和ZEMAX的机械稳定性和光学性能来研究使用薄薄的单晶硅diaphrags作为微量仪阵列密封包装的封装的权衡。光学模拟表明,薄隔膜的弯曲对8到14 µm波长的红外光聚焦具有可忽略的影响。机械模拟表明,具有10×10 mm 2面积的厚度(厚度<70 µm)和一个具有12×12 mm 2面积的膜片(厚度<90 µm)会导致机械故障,并且设计的diaphragm厚度必须掺入这些值。
废物和回收基础设施也可能受到火灾、机械故障、维护要求、市场失灵或财务状况的影响。一个有韧性的废物部门将有能力有效应对紧急情况和其他事件。州和地方政府层面以及废物部门的规划得到改善,将使紧急情况和其他事件中产生的废物得到适当管理,减少对人类健康和环境的影响。
•碰撞和接触,包括车辆/设备的车辆,车辆,野生动植物的车辆,开采基础设施的车辆和道路护墙。•车辆从道路上滑出或进入对面的车道。车辆从车道或相反车道滑出的风险可能来自各种不可预测的因素,包括机械故障,不良道路和天气状况以及与操作员有关的问题。适当关注车辆维护,道路状况,天气预报和操作员培训对于减轻这些风险并确保安全驾驶条件至关重要。•制动或转向的故障•设备倾斜或翻滚•车辆失控,即使使用失控的坡道•意外加速
今天,Miso失去负载期望(LOLE)7建模结合了优化的计划中断时间表,并根据历史单位级别的停电数据随机抽取强制中断。 此外,还建立了极端寒冷的天气中断加法器,该加法器在极端寒冷的温度下,使用基于历史停电数据的区域特异性,固定的停电概况近似于天气依赖的中断。 随着系统车队的不断发展,有必要更好地理解和量化与天气相关的驾驶员对系统风险的影响,例如与燃料不可用,机械故障和气体/电气协调崩溃有关的中断。 为了提高对天气依赖风险驱动因素的可见性,探索燃料和非燃料相关的中断对Lole框架的影响很重要。 随着资源组合变得越来越多样化,承认不同地理位置之间转移限制的区域含义也是关键。今天,Miso失去负载期望(LOLE)7建模结合了优化的计划中断时间表,并根据历史单位级别的停电数据随机抽取强制中断。此外,还建立了极端寒冷的天气中断加法器,该加法器在极端寒冷的温度下,使用基于历史停电数据的区域特异性,固定的停电概况近似于天气依赖的中断。随着系统车队的不断发展,有必要更好地理解和量化与天气相关的驾驶员对系统风险的影响,例如与燃料不可用,机械故障和气体/电气协调崩溃有关的中断。为了提高对天气依赖风险驱动因素的可见性,探索燃料和非燃料相关的中断对Lole框架的影响很重要。随着资源组合变得越来越多样化,承认不同地理位置之间转移限制的区域含义也是关键。
摘要 工业化和全球经济的快速发展导致工作场所伤害和事故数量增加。如今,随着技术的进步和可靠性,由设备和机械故障引起的事故似乎正在减少。然而,人为因素往往成为工作场所事故的重要因素。统计报告和证据表明,大约 80% 到 90% 的工作相关事故可归因于人为因素。值得注意的是,人为事故的概念随着时间的推移而演变。几十年前,人为事故被定义为工作场所或操作系统中人与机器的接触、工作场所和设备设计不良。近年来,对人为事故的研究呈现出变化趋势。人们更加关注导致工作场所人为事故的个人因素和组织因素。此外,工作场所的安全沟通在
摘要轴承是带有变速箱的任何机械的关键元素。必须有效诊断轴承断层以确保机械的安全性和正常操作。因此,轴承中机械故障的识别和评估对于确保可靠的机械操作非常重要。这项比较研究表明,通过利用各种机器学习方法,包括SVM,KNN,线性回归,脊回归,XGB回归,ADABOOST回归和CAT促进回归,轴承诊断的性能。轴承就像机械世界的无名英雄一样,在船上从车轮到螺旋桨,都极大地支撑和指导所有事物的平稳运动。然而,与其他机械组件一样,随着时间的流逝,轴承的持续使用会导致磨损,这最终可能导致故障。