-
公开(公告)号：CN119514361A
公开(公告)日：2025-02-25
申请号：CN202411608089.X
申请日：2024-11-12
Applicant: 哈尔滨锅炉厂有限责任公司 , 中国特种设备检测研究院
IPC: G06F30/27 , G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0442 , G06F119/08 , G06F119/14
Abstract: 一种电站锅炉末级过热器蠕变损伤智能预测方法，涉及特种设备安全防控领域。解决了传统的蠕变预测方法是采用温度应力数据对材料进行损伤评估，无法实现对材料未来的损伤进行预测的问题。所述方法包括采集电站锅炉末级过热器的历史运行数据等；对历史运行数据中的异常数据进行处理并保存标准化参数，采用预测模型的训练需求创建数据集；根据选择的时序预测算法构建神经网络模型，将数据集传入神经网络模型中，将达到预测精度要求的末级过热器温度预测模型、压力预测模型和标准化参数进行存储并编写成代码，进行封装调用，调用预测的末级过热器温度数据等进行蠕变损伤计算，实现末级过热器的蠕变损伤预测。适用于所述预测模型构建及应用方法领域中。
-
公开(公告)号：CN119940121A
公开(公告)日：2025-05-06
申请号：CN202510032710.0
申请日：2025-01-08
Applicant: 中国特种设备检测研究院
IPC: G06F30/27 , G06F18/213 , G06F18/25 , G06N3/045 , G06F119/04 , G06F119/14
Abstract: 本申请公开了一种电站锅炉再热蒸汽管道冷段疲劳损伤智能预测方法，涉及电站锅炉安全防控领域，该方法包括：获取再热蒸汽管道冷段的运行工况数据；对运行工况数据进行预处理，得到预处理数据；基于深度学习算法构建运行工况预测模型；将预处理数据输入运行工况预测模型，得到运行工况预测结果；获取再热蒸汽管道冷段的材料数据、规格数据和历史检测数据；基于运行工况预测结果以及再热蒸汽管道冷段的材料数据、规格数据和历史检测数据实现再热蒸汽管道冷段的疲劳损伤预测。本申请能够提高再热蒸汽管道冷段疲劳损伤的预测精度和效率，进而可以有效避免设备故障的发生。
-
公开(公告)号：CN114169105B
公开(公告)日：2024-05-28
申请号：CN202111511761.X
申请日：2021-12-06
Applicant: 天津国华盘山发电有限责任公司 , 中国特种设备检测研究院
Abstract: 本发明提供了一种利用氧化皮厚度和运行负荷预测火电发电厂用12Cr18Ni12Ti奥氏体耐热钢外侧管壁温度的方法。本发明基于电站锅炉中温过热器处于水平烟道空间的传热理论，利用有限元模拟建立热传导模型，从而建立氧化皮厚度和工作载荷与管壁温度的预测方法，拟合蒸汽侧不同氧化皮厚度的过热器管壁温度场分布，并结合边界条件参数得到管壁外侧温度与氧化皮厚度的关系，利用不同负荷下氧化皮厚度与外管壁温度的桥梁，最终建立高温过热器外管壁温度与氧化皮厚度、负荷之间的数学解析式，从而达到预测实际工况下变动的负荷、氧化皮厚度下过热器管外侧最高壁温温度，为评估负荷、氧化皮厚度对过热器管壁温度的影响提供指导。
-
公开(公告)号：CN115547435A
公开(公告)日：2022-12-30
申请号：CN202211254805.X
申请日：2022-10-13
Applicant: 中国特种设备检测研究院
Abstract: 本申请实施例公开了一种材料老化损伤分级模型的构建方法、分级方法及相关装置，首先获取显微镜在预设分辨率下采集的材料的微观组织图片，并获取该微观组织图片的老化级别以及损伤级别。接着对以上微观组织图片进行预处理，并将进行预处理后的微观组织图片与其对应的老化级别以及损伤级别进行绑定，以此作为目标数据集。将目标数据集的一部分作为训练数据集另一部分作为验证数据，同时基于深度学习框架PyTorch来构建MobileNetV3‑MC模型，MobileNetV3‑MC模型为具有马氏体分级的移动设备神经网络。以此构建的模型的响应速度更快，同时可以增强模型对不同老化损伤级别的辨识，在多级别测试集的辨识准确率最高可达到60％。
-
公开(公告)号：CN115541595A
公开(公告)日：2022-12-30
申请号：CN202211254820.4
申请日：2022-10-13
Applicant: 中国特种设备检测研究院
IPC: G01N21/88 , G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本申请实施例公开了一种材料老化损伤的分级方法、装置及设备，在本申请首先通过同一移动网络下的显微镜数据传输接口来获取显微镜扫描的实时材料组织图片。将该实时材料组织图片由三通道灰度图转化为单通道灰度图，并获取经过对比度饱和与锐度饱和处理后的单通道灰度图作为第一待分类图片。再获取经过预设裁剪的第一待分类图片，以此作为第二待分类图片，从该第二待分类图片中裁剪出预设数量图片，并送入到完成训练的卷积神经网络模型中进行分类得到预设数量的分类结果。根据上述分类结果来确定材料的老化级别与损伤级别，可以增强模型对不同老化损伤级别的辨识，并在多级别测试集的辨识准确率最高可达到60％。
-
Patent Agency Ranking
公开(公告)号：CN114169105A
公开(公告)日：2022-03-11
申请号：CN202111511761.X
申请日：2021-12-06
Applicant: 天津国华盘山发电有限责任公司 , 中国特种设备检测研究院
Abstract: 本发明提供了一种利用氧化皮厚度和运行负荷预测火电发电厂用12Cr18Ni12Ti奥氏体耐热钢外侧管壁温度的方法。本发明基于电站锅炉中温过热器处于水平烟道空间的传热理论，利用有限元模拟建立热传导模型，从而建立氧化皮厚度和工作载荷与管壁温度的预测方法，拟合蒸汽侧不同氧化皮厚度的过热器管壁温度场分布，并结合边界条件参数得到管壁外侧温度与氧化皮厚度的关系，利用不同负荷下氧化皮厚度与外管壁温度的桥梁，最终建立高温过热器外管壁温度与氧化皮厚度、负荷之间的数学解析式，从而达到预测实际工况下变动的负荷、氧化皮厚度下过热器管外侧最高壁温温度，为评估负荷、氧化皮厚度对过热器管壁温度的影响提供指导。
-
公开(公告)号：CN108845078A
公开(公告)日：2018-11-20
申请号：CN201810542722.8
申请日：2018-05-30
Applicant: 中国特种设备检测研究院
Abstract: 本发明提供了一种电站锅炉高温部件蠕变寿命预测方法。该方法包括以下步骤：采用微取样设备，利用电火花切割方法，在电站锅炉高温部件的表面沿环向或轴向切取样品；测量样品中的第二相总量的质量百分含量，第二相包括M23C6相、Laves相和MX相；将第二相总量的质量百分含量带入公式I中，计算得出的tr-t的值即为电站锅炉高温部件的蠕变剩余寿命。本发明提供的上述寿命预测方法，无需进行长时的持久试验，实效性好、对部件破坏性小、安全高效、经济可靠。
-
公开(公告)号：CN108845078B
公开(公告)日：2020-12-15
申请号：CN201810542722.8
申请日：2018-05-30
Applicant: 中国特种设备检测研究院
Abstract: 本发明提供了一种电站锅炉高温部件蠕变寿命预测方法。该方法包括以下步骤：采用微取样设备，利用电火花切割方法，在电站锅炉高温部件的表面沿环向或轴向切取样品；测量样品中的第二相总量的质量百分含量，第二相包括M23C6相、Laves相和MX相；将第二相总量的质量百分含量带入公式I中，计算得出的tr‑t的值即为电站锅炉高温部件的蠕变剩余寿命。本发明提供的上述寿命预测方法，无需进行长时的持久试验，实效性好、对部件破坏性小、安全高效、经济可靠。
-
公开(公告)号：CN107490000B
公开(公告)日：2019-03-08
申请号：CN201710752198.2
申请日：2017-08-28
Applicant: 北京航空航天大学 , 中国特种设备检测研究院
Abstract: 本发明提供了一种电站锅炉异种钢接头部位的壁温监测方法和系统，包括：实时采集电站锅炉的运行参数；根据所述运行参数计算出任一异种钢接头部位的最大热负荷、任一微元段的焓增、导热系数和内壁氧化皮的厚度；根据所述最大热负荷、所述任一微元段的焓增、所述导热系数和所述内壁氧化皮的厚度计算出所述异种钢接头的壁温；判断所述壁温是否超过预警壁温，若是，则发出超温警报。由于本发明结合异种钢接头部位的导热系数和内壁氧化层的厚度等计算出了异种钢接头部位的壁温，因此，与现有技术相比，本发明计算出的异种钢接头部位的壁温数据的准确度更高，从而能够更加精确地对异种钢接头的安全状况和剩余寿命进行评估。
-
公开(公告)号：CN112132086B
公开(公告)日：2024-11-01
申请号：CN202011053202.4
申请日：2020-09-29
Applicant: 中国特种设备检测研究院
IPC: G06V20/69 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06T3/4007 , G06T7/00
Abstract: 本申请公开了多尺度马氏体微观组织老化与损伤分级方法，包括：利用特定放大倍数的金相显微镜采集高铬马氏体耐热钢材料微观组织图片以构建数据集，为每张图片标注代表老化与损伤程度的等级标签；对所有图片进行缩小，构建包含不同分辨率的多尺度数据集；利用预训练的模型参数来初始化神经网络，构建基于残差神经网络特征金字塔的多尺度金相分级模型；预先设置学习率、迭代次数超参数，采用交叉熵作为损失函数，应用随机梯度下降法对上述构建的模型进行微调；通过不同分辨率的金相显微镜，获取需要识别的高铬马氏体耐热钢微观组织图片，从中取出确定大小的若干小图，使用训练好的模型进行分级。该方法训练的模型可扩展到多种分辨率的图片中使用。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.066 seconds)
