MG-300/700-WD采煤机截割机构故障诊断系统的优化设计

基于神经网络系统在采煤机故障检测中的应用,以某矿MG-300/700-WD采煤机截割机构故障诊断系统为例,简单介绍了监测数据准备与本文所用神经网络模型结构建立过程,通过比较不同匹配阈值下神经网络训练过程中达到允许误差所需训练次数,以及评估故障诊断效果,对神经网络故障检测模型结构中匹配阈值q的取值进行优化选择,确定了最优匹配阈值为q=0.43。研究结果确保了采煤机截割减速器箱故障预测及诊断的准确性,提高工作面生产效率。     

复合蛋白酶水解黑豆粕制备多肽的工艺优化

为充分利用黑豆粕中的蛋白质资源,研究了复合蛋白酶水解黑豆粕制备多肽的工艺路线。从蛋白酶的筛选入手,考察了不同蛋白酶对黑豆粕水解效果的差异,并通过复配比例优化了最佳复合蛋白酶的组成。采用单因素试验及响应面试验确定了复合蛋白酶水解黑豆粕的最佳工艺条件。结果表明:最佳复合蛋白酶为胰蛋白酶、碱性蛋白酶与桔青霉蛋白酶按酶活比1∶3∶2复配;最佳工艺条件为加酶量5 670 U/g,底物蛋白质量浓度40 g/L,pH 9.55,水解温度50℃,水解时间6 h。在优化的工艺条件下水解黑豆粕,多肽得率可以达到82.44%。水解液中多肽的相对分子质量均在7.8 kDa以下,大部分多肽的相对分子质量小于3.3 kDa;多肽基本上保持了黑豆粕蛋白的氨基酸组成,具有较高的营养价值。     

BP神经网络辅助的缓变故障双阈值检测法

针对传统$\chi ^2$检测法对惯性/卫星组合导航缓变故障检测效率不高的问题,提出一种基于BP神经网络辅助的缓变故障双阈值检测法.基于BP神经网络建立位置与速度子预测器,实现对卫星导航量测数据的预测,在此基础上根据预测精度提出双阈值的低检测门限,辅助残差chi^2检测法进行故障检测与系统重构.仿真结果表明,对于缓变故障,所提出方法能有效提高故障期间滤波精度、降低漏警率以及组合导航的可靠性.     

基于机器视觉的手机电池表面缺陷检测

针对手机电池表面质量人工检测情况,开发了电池表面缺陷无损检测系统软件。首先电池表面经过倾斜矫正、感兴趣区域提取和字符灰度值修改等预处理操作,通过基于灰度密度分布和灰度差的自适应阈值亮度法对感兴趣区域进行子图像遍历,融合有重合区域的缺陷子图像并滤除没有明显缺陷的区域;然后采用支持向量机多种类分类法,提取二值图像像素分布规律作为训练特征,识别电池表面缺陷种类;最后设计了人机交互界面,确定最佳的可变参数,实验测试缺陷识别率达95%以上。     

基于Hausdorff距离的光纤陀螺阈值滤波算法

要实现采矿机组的智能化，必须对采矿机械的位姿进行实时准确地控制。由于开采工作面环境复杂，可选用捷联惯性导航技术来实现对采矿机械的监测。光纤陀螺作为捷联惯导系统的核心元件，其随机噪声制约着惯性导航系统的精度。传统的建模滤波及小波消噪方法由于其自身的局限性，不能保证准确性和去噪效果。所以结合经验模态分解（Empirical Mode Decomposition，EMD），提出了Hausdorff距离（Hausdorff Distance，HD）筛选准则与阈值滤波相结合的去噪算法。该算法以本征模态函数（Intrinsic Mode Function，IMF）与原始信号概率密度函数（Probability Density Function，PDF）的Hausdorff距离为判别依据，对所有IMF进行筛选，之后引入阈值对筛选出的IMF进行滤波处理，最后将其与余项重构。通过试验比较了软硬阈值的滤波效果，确定了该算法采用硬阈值。为验证算法的有效性，将该算法与其他3种方法进行比较，仿真信号与实测陀螺静态漂移数据的试验结果表明了该方法的优越性，能够有效降低陀螺的各项随机误差。     

基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法

针对加权平均方法计算得到动态阈值准确度不高的问题,利用正常数据概率密度和不同故障类型数据概率密度的特点,提出一种基于贝叶斯推理的直升机自动倾斜器轴承动态阈值计算方法。首先,采用奇异值分解对振动信号进行预处理,滤除噪声对动态阈值计算结果的影响;其次,采用故障频率能量特征提取方法,分别提取正常数据和内圈、外圈、滚珠故障数据的特征;最后,采用贝叶斯推理方法分别计算正常数据与内圈、外圈、滚珠故障数据的动态阈值。利用故障植入的方法获取数据,开展动态阈值计算试验,结果表明,方法能够正确找到正常数据和不同故障类型数据概率密度曲线的分界点,具有较高的正确率,较低的漏报率,方法提高了动态阈值的计算准确度。     

镉柱还原法测定海水中硝酸盐氮的影响因素的探讨

研究了镉柱、水样流速、实验室温度对镉柱还原法测定海水中硝酸盐氮的影响,优化实验得出最佳实验室条件是:2-5 mm镉粒,填充量为40 g,水样流速为6 m L/min-8 m L/min,实验室温度都适宜。     

基于EMD和改进小波阈值的地震信号去噪方法

地震资料采集获得的地震信号资料中往往夹杂着大量的噪音信息,地震信号的有效去噪对后续的地震资料解释具有重要的意义。本文提出一种基于经验模态分解(EmpiricalMode Decomposition,EMD)和改进小波阈值的地震信号去噪方法。将含噪地震信号分解为一系列本征模态函数(IntrinsicModeFunction,IMF),并根据自相关理论,对从IMFs中筛选的高频分量应用改进的小波高参数阈值算法处理,低频IMF分量应用改进的小波低参数阈值处理,最后对处理后的IMFs进行重构。利用本文提出的地震信号去噪方法对合成地震信号和实际地震信号进行去噪处理,并与EMD去噪效果进行对比,结果均表明本文所提方法的去噪效果优于常规的EMD方法。