基于中心损失的条件生成式对抗网络的冷水机组故障诊断

针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法。首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断。在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性。在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别。在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率。     

分批加入溶剂及引发剂对聚醋酸乙烯酯支链的影响

研究了以甲醇为溶剂,偶氮二异丁腈( AIBN)为引发剂的醋酸乙烯酯聚合过程,采用多检测凝胶渗透分析仪和黏度测定的研究方法,比较醇解前后聚醋酸乙烯酯( PVAc)和聚乙烯醇(PVA)聚合度的变化和差异研究过程参数如溶剂和引发剂分批加入以及反应时间对PVAc支链化程度的影响.结果表明,在溶剂总质量分数为20％、引发剂总质量...     

基于核二次互信息的发酵过程质量预测模型

为提高对发酵过程中质量变量的预测精度,解决发酵数据非线性的问题,提出一种基于核二次互信息回归的质量预测模型.将非线性过程数据核映射至高维特征空间,使其线性可分;基于高维特征空间,使用Renyi二次熵与二次互信息定义目标函数提取过程特征,建立过程特征与质量变量间的回归模型;二次互信息可衡量变量间的非线性关系.仿真实验及大肠杆菌发酵生产数据的实验结果表明,该方法具有较高质量预测精度,对非线性数据有较强处理能力.     

基于批次图像化的卷积自编码故障监测方法

针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.     

工业过程报警管理研究进展

作为现代工业过程运行的首道保护层,报警系统对保障过程安全、可靠和高效生产起着举足轻重的作用.然而,目前大多数工业报警系统存在着“报警泛滥”这一问题,严重影响了报警系统的应有功能.本文结合工业过程特点和报警管理生命周期,总结了导致“报警泛滥”的主要原因,并依据这些原因,从报警建模与报警根源分析、报警阈值设计、报警优先级划分、报警类型识别与处理、报警系统性能评估等分类综述了报警管理关键技术研究进展、报警管理框架以及工业报警规范、报警管理软件与应用现状.最后,探讨了报警管理领域存在的难题和新挑战.     

拉线式机器人末端定位精度测量系统

设计了一种基于拉线式编码器的机械式测量系统,可用于标定机器人末端定位精度和轨迹误差测量,该系统具有结构简单,操作方便,对测量环境要求低的特点。该系统基于三边测量技术原理,通过LabVIEW开发的上位机软件同步采集机器人连续运动状态下的编码器实时反馈数据,经过误差补偿、分析处理后,可实时计算机器人末端执行器的位置、速度、加速度等性能参数,并对影响系统精度的因素进行分析,利用冗余数据对测量结果进行了优化与改进。     

基于离散傅里叶变换的过程工业报警泛滥序列聚类分析及应用

报警泛滥是过程工业报警管理中普遍存在且难以解决的问题。报警泛滥序列聚类分析有助于报警根源分析和预警。针对目前报警泛滥序列相似度测量方法存在的缺陷,如对报警序列长度限制、计算复杂、依赖参数,采用基于离散傅里叶变换的方法在频域对报警泛滥序列进行相似性分析,提出了离散傅里叶功率谱的欧氏距离作为度量报警泛滥序列相似度距离的方法,计算不同报警泛滥的相似度距离,再通过非加权组平均法获得报警泛滥序列的聚类树状图,根据相似度距离,确定报警泛滥的模式,帮助操作员确定异常根源,做出快速响应。TE仿真过程在不同干扰下的应用实例验证了该方法的有效性、准确性。     

基于LMD和MSEE的滚动轴承复合故障特征提取方法

针对滚动轴承复合故障特征相近、不易区分的问题,提出了一种基于局域均值分解和多尺度熵能量的滚动轴承复合故障特征提取方法。首先,将信号进行LMD处理,得到一系列PF分量;然后,通过相关系数选择合适的PF分量计算能量并获得新的时间序列;最后,计算新时间序列的多尺度熵,与能量结合构建MSEE进行故障特征提取。机械故障模拟试验台的结果表明:该方法不仅降低了噪声干扰,而且提升了特征提取的精度,可以定量表征滚动轴承复合故障信号的特征,在滚动轴承复合故障信号中有良好的特征提取效果,与单独使用MSE和能量的特征提取方法相比,故障诊断率分别提升了8. 33%和11. 29%。     

基于中心损失的条件生成式对抗网络的冷水机组故障诊断

针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法。首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断。在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性。在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别。在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率。