应用改进蚁群算法的同心分布喷丝孔检测路径规划

为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进：重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明：所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。     

一种基于WebGIS的工程机械远程监控系统

以起重机为例,研制了一套基于WebGIS的工程机械远程故障监测系统。以DSP作为设备状态信息采集装置,GPS作为设备定位信息采集部件,通过GPRS无线通信网络与远程故障监测中心进行远程通信,实现对工程机械的远程数据采集、全球定位、状态监测和故障报警等多种功能。     

蚁群算法求电动汽车最优行驶路径与充电方案

针对目前电动汽车动力电池容量有限、充电时间较长的问题,为缓解用户出行顾虑,提出蚁群算法优化电动汽车行驶路径与充电方案。在基本路网结构中加入了对充电站分布的考虑,应用蚁群算法分别对分段路线和全局充电方案进行优化,最终将两部分结合形成全局的最优行驶路径。试验结果表明,算法推荐的行驶路线可以做到所需的充电时间最短且全局的耗电值最小,算法是有效的。     

硫酸盐有机废水厌氧处理颗粒污泥研究进展

厌氧工艺是硫酸盐有机废水处理中最具竞争力的技术,厌氧颗粒污泥则是其核心,开展该类废水厌氧处理颗粒污泥特性的研究,对提高其厌氧处理效率具有重要意义。本文综述了硫酸盐有机废水厌氧处理颗粒污泥近年来的国内外研究进展,主要包括颗粒污泥的理化特性（形态及粒径、孔隙、通道及沉降速度、胞外沉积物等）及颗粒污泥的生物学特性（生物活性、微生物形态、组成及分布）,并分析了此方面研究工作存在的问题,认为硫酸盐有机废水厌氧处理颗粒污泥活性抑制机理的研究以及从本质上解除这种抑制措施的提出,将是今后需要重点关注的研究内容。     

基于t-SNE数据驱动模型的盾构装备刀盘健康评估

随着地铁等地下工程在各大城市的快速发展,盾构装备的健康维护备受关注。刀盘作为盾构装备的主要功能部件之一,其易于损耗但却不易被直接检测,并可直接影响盾构推进效率和工期的按时完成。基于刀盘机理模型的传统分析方法受限于实际工程复杂工况与盾构机复杂结构,难以进行准确评估。为此,提出一种基于数据驱动的盾构机刀盘健康评估方法,即通过t-分布随机邻域嵌入(t-distribution stochastic neighbor embedding, t-SNE)模型,建立盾构装备传感器数据在特征空间与刀盘健康状态的映射关系,从而对刀盘性能衰退进行量化评估。其方法主要步骤包括:(1)刀盘性能相关传感数据预处理与初步特征提取;(2)在特征空间进行内蕴流形分布分析,基于t-SNE模型降维得到低维优化特征;(3)在优化后的特征空间构造马氏距离度量,得到刀盘性能衰退的量化评估。通过在实际盾构掘进工程中验证,结果表明:基于盾构装备实际运行数据,该方法能准确地反映刀盘性能状态。     

基于ZigBee无线传感网络的港口机械监测系统

为保证港口物流的运行安全,针对港口机械的作业条件和现场环境设计了一种基于ZigBee无线传感网络的港口机械监测系统.该系统通过组建ZigBee无线传感网络采集和监测港口机械的作业状态参数、性能参数、环境参数等实况信息,通过TCP/IP协议传输到服务器;设计基于实况数据的港口虚拟场景模块,并根据服务器端的故障诊断专家系统判定港口机械的运行状态,及时发送报警信息.介绍了系统的硬件和软件的设计思想和实现方法,实现了对港口机械的实时监测,保障了港口物流的安全运行,降低了维护成本.     

设备状态智能诊断模型的自更新机制及其UML建模

为解决在设备状态监测应用中建立智能诊断模型经常面临历史样本数据空间有限的问题,研究了智能诊断模型的自更新机制,并采用统一建模语言对其进行了分析建模.在此基础上,给出了该机制的实施架构.该机制的基本思想是用实际设备状态监测过程中的监测数据来更新智能诊断模型.在此机制作用下,通过在设备状态监测过程中跟踪设备状态的变化,一个...     

基于子空间辨识的阀控液压缸泄漏诊断方法

为提高阀控液压缸泄漏检测的准确性和效率，提出一种基于子空间辨识的液压缸泄漏诊断方法。选取液压缸活塞杆外力负载作为输入信号，两腔压力、活塞杆位移与速度作为状态变量，建立系统状态空间模型；应用子空间辨识运算得到系统矩阵相关元素的估计值，并由此判断泄漏故障的存在、类型与严重程度。基于MATLAB-Simulink仿真模型对该诊断方法进行了数值仿真验证，结果表明该方法有效且具有较高的准确性。     

小波包能量与CNN相结合的滚动轴承故障诊断方法

针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法.首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型.为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比.在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征.相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好.     

基于多假设检验的新型小波滤波算法

小波阈值滤波是信号处理领域的重要方法,根据信号和白噪声在小波空间上传播的特性,提出了一种基于多假设检验确定小波滤波阈值的新算法。将小波阈值处理过程看作一个多重假设检验过程,FDR（False Discovery Rate）准则的step-up和step-down过程均能控制FDR在给定的显著性水平,综合这两个过程形成了FDR step-up-down过程并应用于确定小波滤波阈值。仿真实验表明,算法能够灵活调整显著性水平的大小来达到滤波后所希望的效果,以信噪比和均方误差作为衡量指标,本方法滤波效果与hearsure方法相当,优于BH FDR及sqtwolog方法。讨论了显著性水平的选取对滤波效果的影响,指出显著性水平的大小与信噪比的改善并非线性关系,提出了合理选取显著性水平的思路。