介绍了高温蠕变工况下运行的压力容器可能出现的失效模式,结合工程设计现状,指出了我国当前压力容器标准体系在确定高温蠕变工况许用压应力时存在的技术瓶颈,在此基础之上引出ASME Code Case 3029,对其适用范围、发展历程、产生背景及...介绍了高温蠕变工况下运行的压力容器可能出现的失效模式,结合工程设计现状,指出了我国当前压力容器标准体系在确定高温蠕变工况许用压应力时存在的技术瓶颈,在此基础之上引出ASME Code Case 3029,对其适用范围、发展历程、产生背景及工程意义进行了简单的介绍,以某工程设计项目中的实际结构为例,介绍了该方法的使用过程及注意事项,并结合压力容器工程设计领域的实际需求,对我国标准体系下一步的制定或修订方向提出了展望。展开更多
ASME Code Case 2843(以下简称为“案例”)提供了针对高温工况和交变载荷下承受蠕变和疲劳损伤交互作用的受压元件进行评定的方法。在应用该案例方法的过程中,如不能理解这些方法的技术基础,则可能造成评定结果的不安全。案例中所提出...ASME Code Case 2843(以下简称为“案例”)提供了针对高温工况和交变载荷下承受蠕变和疲劳损伤交互作用的受压元件进行评定的方法。在应用该案例方法的过程中,如不能理解这些方法的技术基础,则可能造成评定结果的不安全。案例中所提出的蠕变-疲劳损伤评定方法主要利用线弹性分析得到的结果对弹塑性材料构成的受压元件进行评定。整套方法包括载荷控制极限的判定、应变控制极限的判定以及蠕变-疲劳损伤极限的判定三个步骤,每个步骤中采用的方法均依据多年来有关研究人员发表文献中的理论和实验结果。拟对案例中所采用方法的技术基础进行分析,为工程中应用案例的方法对承受高温和交变载荷作用的压力容器进行设计提供一定的参考。展开更多
预测性过程监控(predictive process monitoring,PPM)技术通过分析已有的事件日志对正在运行的业务流程中的某些关键指标进行预测.目前的预测性过程监控方法在特征提取方面通常预设案例仅受自身属性的影响或仅通过提取资源案例间行为属...预测性过程监控(predictive process monitoring,PPM)技术通过分析已有的事件日志对正在运行的业务流程中的某些关键指标进行预测.目前的预测性过程监控方法在特征提取方面通常预设案例仅受自身属性的影响或仅通过提取资源案例间行为属性进行编码,通常未涉及活动视角下的案例间行为信息.本文提出了一种捕获活动案例间行为信息的方法IABC(inter-activity behaviour of case),该方法设计了一个三维特征构建框架涵盖时间窗口、活动粒度、行为状态这3大维度,共构造36种活动案例间行为特征.同时,本文提出了两项关键算法:影响力分布算法用于挖掘活动间的正/负影响传播;批次行为检测算法用于识别潜在的批量操作行为.最后在3个公开可用的事件日志上评估IABC方法的有效性,结果表明集成了IABC方法的时间预测模型性能优于未使用该方法的基线模型和采用了资源案例间特征的模型.展开更多
文摘介绍了高温蠕变工况下运行的压力容器可能出现的失效模式,结合工程设计现状,指出了我国当前压力容器标准体系在确定高温蠕变工况许用压应力时存在的技术瓶颈,在此基础之上引出ASME Code Case 3029,对其适用范围、发展历程、产生背景及工程意义进行了简单的介绍,以某工程设计项目中的实际结构为例,介绍了该方法的使用过程及注意事项,并结合压力容器工程设计领域的实际需求,对我国标准体系下一步的制定或修订方向提出了展望。
文摘ASME Code Case 2843(以下简称为“案例”)提供了针对高温工况和交变载荷下承受蠕变和疲劳损伤交互作用的受压元件进行评定的方法。在应用该案例方法的过程中,如不能理解这些方法的技术基础,则可能造成评定结果的不安全。案例中所提出的蠕变-疲劳损伤评定方法主要利用线弹性分析得到的结果对弹塑性材料构成的受压元件进行评定。整套方法包括载荷控制极限的判定、应变控制极限的判定以及蠕变-疲劳损伤极限的判定三个步骤,每个步骤中采用的方法均依据多年来有关研究人员发表文献中的理论和实验结果。拟对案例中所采用方法的技术基础进行分析,为工程中应用案例的方法对承受高温和交变载荷作用的压力容器进行设计提供一定的参考。
文摘预测性过程监控(predictive process monitoring,PPM)技术通过分析已有的事件日志对正在运行的业务流程中的某些关键指标进行预测.目前的预测性过程监控方法在特征提取方面通常预设案例仅受自身属性的影响或仅通过提取资源案例间行为属性进行编码,通常未涉及活动视角下的案例间行为信息.本文提出了一种捕获活动案例间行为信息的方法IABC(inter-activity behaviour of case),该方法设计了一个三维特征构建框架涵盖时间窗口、活动粒度、行为状态这3大维度,共构造36种活动案例间行为特征.同时,本文提出了两项关键算法:影响力分布算法用于挖掘活动间的正/负影响传播;批次行为检测算法用于识别潜在的批量操作行为.最后在3个公开可用的事件日志上评估IABC方法的有效性,结果表明集成了IABC方法的时间预测模型性能优于未使用该方法的基线模型和采用了资源案例间特征的模型.
