围绕生产经营中心 构建党建长效机制

云南华能漫湾发电厂(以下简称漫湾发电厂)于1993年5月6日正式成立。10年来厂党委以建设一个坚决贯彻执行党的路线、方     

电子束辐照对核桃糕品质的影响

以土特产食品店自制自售的散装核桃糕为试材,研究了电子束辐照对核桃糕品质的影响,分析了在1、2、3、4和5 kGy剂量辐照处理条件下核桃糕的酸价、过氧化值、大肠菌群、菌落总数、霉菌和感官品质的变化情况.结果表明:随着辐照剂量的增加,微生物的存活率减少,感官得分减少,酸价、过氧化值增加;核桃糕经2 kGy剂量辐照,可杀死1...     

高斯过程隐变量模型与多类最优边际分配机在故障诊断中的应用

轴承的振动信号特征与运行状态之间具有较强的非线性关系,导致在对轴承运行状态特征提取时,选取的高维特征间存在冗余性,因此产生故障诊断模型性能退化的问题。为此提出一种高斯过程隐变量模型(Gaussian process latent variable model, GPLVM)与多类最优边际分配机(Multi-class optimal margin distribution machine, mcODM)相结合的故障诊断方法。该方法首先对振动信号进行完备总体经验模态分解(Complementary ensemble empirical mode decomposition, CEEMD),得到信号的高维特征,并采用GPLVM对高维特征进行维数约简,然后利用约简后的特征建立mcODM故障诊断模型。轴承故障检测试验表明,该方法能够有效降低特征间的冗余性,且相较于ELM,mcODM模型能通过优化边际分布获得较高的辨识精度。     

熟制核桃仁电子束辐照加工HACCP体系的建立

通过分析熟制核桃仁电子束辐照加工过程中相关环节可能出现的潜在危害,结合熟制核桃仁初始含菌量对电子束辐照杀菌效果的影响,制定熟制核桃仁电子束辐照加工过程HACCP计划,确定关键控制点及其关键限值,构建熟制核桃仁电子束辐照加工HACCP管理体系.     

实现企业二次再造必须走创国际一流之路

根据漫湾发电厂(以下简称漫电)党委部署,党委工作部就创建国际一流水电厂工作职工关心的疑点、热点、难点问题,于今年4月起在全厂干部职工中开展问卷调查,以期统一思想、凝聚力量,稳步推进创国际一流工作。     

LLTSA特征降维与ELM模型在单向阀故障诊断中的应用

信号的单一特征难以全面反映设备运行状态,而利用多域特征表征设备运行状态时,随着特征维数增加,将引发维数灾难,导致分类器性能退化,降低状态监测模型的辨识性能。针对这一问题,提出线性局部切空间排列(Linear local tangent space alignment,LLTSA)特征降维与极限学习机(Extreme learning machine,ELM)模型的故障诊断方法,利用LLTSA从高维特征空间提取低维流形,实现信号特征的维数约简,保证模型分类性能。该方法首先利用完备总体经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)对振动信号进行分解,采用相关系数与峭度准则筛选分量,重构得到降噪后的振动信号;然后,计算重构信号的多域特征,并利用LLTSA进行特征维数约简;最后,利用其低维本质特征建立ELM故障诊断模型,监测设备运行状态。高压隔膜泵单向阀运行状态监测实验表明,对振动信号进行特征维数约简,降低特征间的冗余性,可提高ELM模型的故障识别精度。     

某工程地下室上浮原因及加固处理

某在建工程地下室受到地下水浮力作用产生不均匀上浮,最大上浮量达到243mm,导致地下室柱梁板结构损伤。通过对受损结构检测,分析上浮原因及结构破坏机理,在此基础上对地下室结构进行永久性抗浮处理和结构加固处理,成功地解决了工程上浮事故问题。     

高压隔膜泵运行状态远程监测系统的设计

高压隔膜泵是矿浆管道输送系统的动力源,随着无人值守泵站的投入运行,如何远程监测高压隔膜泵的运行状态就成为亟需解决的问题。文中设计了一种基于STM32的高压隔膜泵运行状态远程监测系统。该系统实时采集单向阀振动信号,将采集到的振动信号数据通过以太网传输到远程服务器中,在服务器中采用固有时间尺度分解方法(ITD),对高压隔膜泵单向阀振动信号进行分析,从而实现对高压隔膜泵运行状态的远程监测。实验结果表明,该系统采集信息准确,传输速度快速且稳定,可以在工业行业推广使用。     

CEEMD与卷积神经网络特征提取的故障诊断方法研究

轴承动力学行为具有非线性的特点,导致其振动信号特征与运行状态之间存在较强的非线性关系;且振动信号的特征提取与选择往往需要大量的先验知识,导致特征的设计难以准确反映不同的运行状态。针对以上问题,提出一种基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition,CEEMD)与卷积神经网络(Convolutional neural networks,CNN)的特征提取方法,从振动信号时频图中自适应提取其敏感特征,反映设备运行状态。首先采用CEEMD算法分解得到振动信号的固有模态函数(Intrinsic mode function,IMF)分量,构造各个IMF时频图,并采用CNN提取时频图的特征;然后,将提取到的特征与小波包分频带能量值相结合,组建特征指标向量,用于构建轴承故障诊断模型。将该方法应用于不同负载、不同故障深度的轴承试验中,结果表明该方法能够在多种工况下有效地提高故障识别率。