对于设备运行过程中产生的噪声进行限制是我们对于安全生产的一项基本要求,同时噪声的产生往往也预示着系统运行存在故障需要及时排查,因此无论是从对设备操作人员身心健康的安全角度来考虑,还是从设备本身运行的稳定可靠性要求来考虑,噪音控制都有其重要性和必要性。文章针对井下车辆液压系统运行中经常出现的噪音进行了分析和阐述,将系统噪音按照产生机制划分为流体噪声和结构噪声,其中流体噪声重点关注流体特性,侧重于液压系统自身故障分析和处理;结构噪声则侧重于在设备运转过程中,由于机械碰撞、摩擦或者是由于机械振动传导放大效应引起的噪音现象,侧重于机械振动方面的分析和处理。经过噪音原理分析,结合实际案例检测结果进行验证,证明了对于不同的噪音产生机理需要采取不同的消噪措施,以达到降低噪音,提高产品操作的...

选择常规低碳高铬铁基熔覆粉末为原始材料,利用激光熔覆技术制备了不同Mo加入量的铁基熔覆层,分析了金属Mo对熔覆层组织和服役行为的影响。结果表明随着Mo元素的加入,马氏体不锈钢熔覆层逐渐出现残余奥氏体和M23(C,B)6相。同时,熔覆层发生胞状晶-柱状晶-等轴晶的组织转变。此外,随着Mo含量的增加,马氏体不锈钢熔覆层的自腐蚀电位、自腐蚀电流和阻抗均呈现先升高后降低的变化,熔覆层的耐蚀性呈现先增加后降低的改变;同时,熔覆层硬度逐渐降低,且腐蚀介质下熔覆层的润滑与耐磨性均出现了不同程度的恶化。提高马氏体不锈钢熔覆层的Mo含量虽造成熔覆层耐磨性稍有降低,但明显改善了材料的耐蚀性,可以满足苛刻的煤矿液压支架防护要求。

激光熔覆再制造是实现绿色开采的重要环节。实现激光熔覆材料组分对熔覆层性能影响的预测可以减少材料设计过程中的试错成本,提高研发效率。针对矿用液压油缸激光熔覆材料,通过灰色关联度分析法,筛选出Fe基激光熔覆材料中对熔覆层性能影响较大的组分,建立3层反向传递(back propagation,BP)神经网络模型进行训练和预测;利用遗传优化算法对BP神经网络初始权值和阈值进行优化,并将优化后的遗传算法-反向传递(genetic algorithms-backpropagation,GA-BP)神经网络模型与BP神经网络模型的预测结果进行对比。结果表明:遗传优化算法可以大幅度提高BP神经网络模型的预测精度,在少量训练样本条件下,模型输出的预测值与实际值接近,预测误差从5.60%~710.37%降低至2.04%~18.43%,证明了GA-BP神经网络用于液压油缸激光熔覆层性能预测的可行性。

针对陕北矿业公司液压支架使用中存在的问题,分析影响支架综合运行效能的关键因素,并进行系统化研究、精准化分析,提出有效措施,以延长液压支架连续服役时间,降低液压支架的维护成本,实现煤矿高产高效和安全生产。

针对综采工作面回撤三角区支护方式、支护设备,通过对三角区液压支架架型及围岩适应性研究,确定掩护支架组的结构形式。为了满足综采工作面液压支架回撤端头顶板机械化支护及回撤作业工艺要求,对三角区支架组与其他设备空间位置配套合理性、三角区支架组结构参数及结构布置等方面进行研究,设计了回撤三角区掩护支架组,代替传统的井字形木垛和原木点柱联合支护方式。

针对液压油缸内壁表面强化问题,利用激光熔覆技术和电弧熔覆技术分别制备了液压油缸内壁激光熔覆层和内壁熔铜层。结果表明:激光熔覆层主要由奥氏体相组成;而内壁熔铜层主要由α-Cu基体、球状γ相以及枝晶态κ相组成,且出现了元素偏析现象;其次,激光熔覆层的硬度显著高于内壁熔覆层;耐蚀性分析表明,相比内壁熔铜层,激光熔覆层具有更为优异的耐蚀性,尤其盐雾腐蚀下性能差异明显,在于内壁熔铜层出现了疏松的Cu_(2)O和Cu_(2)(OH)_(3)Cl,有望为液压油缸内壁强化与性能提升提供技术支持。