技术需求基本信息
技术需求解析
技术研发指南
近年来,我国食用植物油消费量持续增长,需求缺口不断扩大,对外依存度明显上升,供需矛盾日益突出。一直以来,油脂加工企业为了提高得油率,对大豆、油菜籽、花生等大宗油料作物制油采用的加工方式是预榨→浸出→精炼的传统工艺。由于能耗高、污染大、化学溶剂残留等不利因素,既不符合国家发改委颁布的《产业结构调整指导目录(2019年本)》政策,更不能满足广大消费者对绿色、健康、环保的食用油需求。发展一次压榨制油工艺,增强健康优质食用植物油供给能力,已成为迫切需要解决的关乎国计民生的大事。
目前国内外在线应用的榨油机,普遍存在产量较小(日处理量≤45t/d)、干饼残油率高>10%),且在油料加工过程中需依附破碎、轧坯、蒸炒等设备及工艺,不仅功能单一、稳定性差,工艺路线长、能耗高、且普遍存在高值加工问题。据科技查新,国内外大处理量榨油机均以预榨机为主,不适用于常温压榨,尚未有适用于油料常温整颗粒入榨、一次压榨制油加工能力达100t/d以上的大型榨油机。因此,研制适用于油料整颗粒常温入榨、不需依附破碎、轧坯、蒸炒等设备及工艺,一次压榨制油加工能力达100t/d以上的大型常温榨油机对我国油脂加工业的发展具有重要意义,也符合粮油适度加工、减损增效的要求。
风电机组主要由叶片、塔筒、传动链、变桨系统、变流器、电气系统等组成,是一个复杂的非线性时变系统,在叶片、塔筒、传动链等柔性部件的综合作用下,具有多个耦合固有模态。由于机组部件生产制造及现场安装等差异,同时考虑部件老化、磨损等因素都会导致机组耦合模态发生变化。另外,风机运行于开放环境中,风速的随机波动和宽频激励,可能会引起某些模态共振,危害机组运行安全。因此,必须对机组模态进行实时监测分析,以获取机组的运行状态。
风电机组运行环境复杂多变,极端风速工况对机组部件载荷有较大影响,直接危害机组的运行安全和使用寿命。所以对机组运行工况的提前感知,智能预测对提高机组运行安全稳定性尤为重要。
风电机组各构成部件涉及气动,机械,电气,控制等多学科,在运行过程中,准确快速分析模态难度较大。近年来,国内外先进同行业、各大科研院所已经开展风电机模态辨识及工况识别的一部分工作。但是对于机组模态识别的准确性,及故障诊断联合研究不够深入,对于机组的异常运行情况快速识别、准确判断还未形成有效方法。同时对于运行工况的预测研究也处于探索阶段,还没有形成具有推广应用的成果。
另外,对机组运行工况的识别和预测,需要合适理论模型及大量的数据测试验证,当前仍没有适宜的理论方法得到广泛实践检验。
本产品一机多用,能够适应油料低温、适温、高温等不同制油工艺,需解决:
1.将榨油机变速箱和传动箱合为一体后,两根螺旋主轴受拉力影响较大,如何保证双螺旋榨油机的同心度和强度,确保榨油机运行稳定。
2.在取消破碎、扎胚、蒸炒等设备及工艺段后,如何合理设计双螺旋压榨轴,榨螺、衬圈尺寸及配置,增强破碎剪切能力以及合适的压缩比,实现油料整颗粒压榨,使油料爬坡角度小,油料受阻力小,产量增大,且实现多级压榨,提高出油率,降低饼中残油,大幅降低能耗。
3.榨油机运行时榨膛内各工艺段温度不同,如何精准检测及智能控制各料段温度以及榨膛压力,以及电流过载保护等智能化控制。
1.机组模态识别
通过对现场机组运行数据采集处理,对风电机组进行定期在线模态分析,形成完整的、准确的、可靠的模态识别方法,并能够在不同机型推广应用。其中,现场测试应设计、安装必要的测量传感器等硬件检测设备。
2.机组故障诊断
1)对机组运行控制信号进行监测,实现对机组控制参数适应性判别及控制执行机构运行状况进行监测;
2)对机组部件健康情况进行预警监测,包括但不限于对叶片损坏,传动链早期故障,模态早期共振,叶片结冰,及叶片失速等故障情况的预警判别,并形成准确的判别方法。
3.机组运行工况预测
基于机组现有运行数据进行数据建模,通过模型的不断迭代修正,对机组运行工况进行识别,对极端阵风、极端湍流风况等能够实现智能预测,形成有效的智能预测算法,可推广应用。
a.榨油机生产能力:100~150t/d;
b.干饼残油率(一次压榨):6.5~7.5;
c.油料入榨温度(℃):常温;
d.节能降耗指标:>40%,e.油料入榨水分在线检测及智能控制:<9%;
f.榨油机运行时榨膛内各工艺段在线温度检测及智能控制:进料段<90℃、压榨段<110℃、沥干挂<110℃、出饼段<130℃;
g.榨油机运行时榨膛压力在线检测及智能控制:<50Mpa。
1)机组关键模态特征在线准确识别,修正机组模型,优化机组控制参数,提高机组运行可靠性;
2)提前诊断机组运行故障,及时采取保护措施,保证机组运行安全性;
3)特殊工况准确识别和预测,有效降低机组载荷,降低机组设计成本,提升产品市场竞争力。
解析专家署名