不锈钢绕管式汽化器凭借其紧凑的结构和高效、节能的性能,在工业领域中得到了广泛应用。文章简介了不锈钢绕管式汽化器的结构和技术参数,详细介绍其主要制造工序,阐述不锈钢绕管式汽化器制造过程中遇到的难点和解决方法。

为了确定R50对-100℃温区三级自动复叠系统中后期运行状态的影响，分别以R134a／R23／R14、R134a／R23／R14／RS0为混合工质在同一台实验装置上进行两次试验，其中R134a、R23、R14组分充注量相同。通过对两组工质进行实验和对比分析，发现添加R50时第二、三级分凝器蒸发温度和冷却后温度更低，但是系统压力明显更高，设备耗能增加，达到设计温度所需时间增长，因此在-100℃温区的自动复叠系统混合组分添加R50会对系统的性能不利。

由于测试性预计和测试性试验验证客观存在的困难及问题,测试性虚拟验证将在测试性工程领域发挥重要作用。根据测试性虚拟验证对模型的需求,针对传统测试性模型存在的定量特征少、导致测试性评估结果不准确等问题,提出一种功能-故障-行为-测试-环境一体化模型。首先,分析并指出该一体化模型由功能、故障、行为、测试、环境5大类要素构成。然后,在数学上对该一体化模型及其子模型进行定义和描述,分析并建立各子模型之间的关联关系。最后以某导弹及其测试系统为案例进行实验和应用研究。结果表明,在建模信息量充足的情况下,基于该一体化模型得到的测试性虚拟试验验证与评估结果较准确,能较好地支持装备测试性摸底、鉴定与验收等。

有效的特征提取方法和分类算法能显著的提高故障识别的精度。小波能谱熵突出了振动信号中短暂的异常信号，能有效的表征早期故障特征；隐半马尔可夫模型通过加入高斯概率分布函数来描述各个状态的驻留时间，能合理的表征振动信号的暂态特征，适合于机械系统的故障识别问题；本文将小波能谱熵和HSMM相结合，提出了基于小波能谱熵的HSMM故障识别方法。以小波能谱熵作为特征向量，通过训练得到各个状态的HSMM模型并建立分类器，从而实现对未知状态的识别。以齿轮为对象，对齿轮常见的故障状态进行了识别试验。

文章基于IS—SVM建模与预测的方法，研究了液压伺服系统的故障诊断问题。介绍了基于模型的故障诊断和IS—SVM建模与预测的基本原理，给出了基于IS—SVM建立液压伺服系统模型的方法，通过IS—SVM模型预测输出与实际输出相比较形成残差，根据残差信息对故障进行检测，并根据全局检测模型与局部元件模型相结合的诊断策略，实现了故障的隔离与定位。

基于最小二乘支持向量机建模的方法，研究了电液伺服系统的故障检测问题。介绍了基于最小二乘支持向量机进行建模的基本原理，分析了电液伺服系统所存在的非线性和故障模式，给出了基于最小二乘支持向量机建模进行故障检测的方法，试验结果表明，由支持向量机模型预测输出与实际输出相比较所形成的残差，能够准确地反映故障发生与否的情况；同时，与神经网络方法和普通的支持向量机方法相比，最小二乘支持向量机方法更适合工程应用，效果更好。