矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

多应用场景低压配网无缝合环转电解决方案

合环转电作为一种重要的网络重构技术,对提高配电网运行的可靠性与经济性具有重要意义。常规合环转电不仅存在合环冲击,而且合环点的选取受到两侧电源相角差的限制。文章针对广州配电网存在的大角度差不停电转供技术难题,提出两种无缝合环转电解决方案,分别是基于串并联补偿的合环方案和基于背靠背拓扑的合环方案。它们能够适用于多种转供场景,并提供交、直流两种转供电源接口。文章给出了每种方案的接线方式,对它们的结构特点、性能参数以及工作原理进行了分析。为了适应配电网三相不平衡与谐波污染的运行环境,从结构与控制两方面提出了装置的改进措施。最后,仿真验证了几种典型场景下无缝合环转电装置的运行原理,从而为实际开展低压无缝合环转电提供计算支撑。     

模糊C-Means算法从实例库中挖掘模式识别知识

以模糊c-means算法对实例初步分类,以分类正确率和隶属度构造两级目标函数对实例进行挖掘获得个体分类效果最佳的敏感信息源、主矢量、类别原型和距离计算方法.以模糊综合决策算法对实例敏感主矢量进一步挖掘获得信息融合分类效果最佳的主矢量集合.同时从实例库中挖掘出模糊综合决策权重分配系数.将c-means算法的意义扩展应用于信息融合诊断.另外还论述了两种综合诊断方法,模式识别与模糊综合决策联合的综合诊断、扩展的模糊c-means算法与综合决策联合的二级优化综合诊断.最后以列车滚动轴承故障实例库的挖掘为例阐述了原理的应用.     

齿式联接不对中转子的动态特征研究

研究了由齿式联轴器联接的高速重载转子系统不对中时的动态特性。获得了联轴器在工作状态及锁定条件下激励力对系统的动态响应特征。     

不同类型电涡流探头对核电站传热管胀管过渡段缺陷的定位准确性研究

为了更有效和可靠地检测出胀管过渡区出现的缺陷,分析了3种不同类型的涡流探头特性,然后通过一系列试验,对不同探头在传热管胀管过渡段上的缺陷识别并进行准确定位能力进行了对比测试,获得了相关的定位准确性数据,掌握了胀管过渡段缺陷定位技术及其精度范围,能够进一步提高对胀管过渡段上的缺陷的准确判别能力。     

基于全矢最小二乘支持向量机的设备状态趋势预测

在支持向量机(SVM)基础上拓展出的最小二乘支持向量机(LS-SVM)非线性泛化能力更好,具有较高的拟合和预测精度,目前被广泛应用于设备状态趋势预测中。为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术提出一种新的趋势预测方法——全矢LS-SVM。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障LS-SVM预测数据特征提取的完整性,提高预测精度。将该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢LS-SVM方法具有较高的预测精度。     

基于数据库的便携式数据采集和管理系统

设计了一种基于自主开发板卡的便携式计算机及用C Builder开发的基于Paradox数据库的通用数据采集及信号分析系统 ,具有键相通道、位移通道及加速度通道 ,可用于旋转机械和往复机械的稳态和瞬态信号的自由采集、同步整周期采集及分析 .讨论了数据库的选择、设计 ,建立快速查询方式 ,最后实现了基于关系数据库的数据采集与管理功能 .实验结果表明 ,其应用于工业现场稳定可靠 ,易于升级扩展 .     

一种自适应Chirplet分解方法及在故障诊断中应用

提出了一种自适应Chirplet信号分解过程中的参数优化估计方法，该方法首先利用最大投影分解原理结合分数阶傅立叶变换和拟牛顿方法进行参数估计，然后利用最大期望方法，进一步进行参数的优化。将提出的方法与传统的时频分析方法如短时傅立叶谱图，Wigner分布进行对比分析，仿真结果表明，提出的方法具有很高的参数估计精度、很高的时频图分辨率和抗噪能力。说明了本文提出的方法中引入EM算法的必要性。又将提出的方法应用到轴承的故障诊断中，实验结果表明，提出的自适应Chirplet分解方法是非常有效的。     

基于Faster RCNN深度学习模型的穿戴式电场作业安全检测系统

传统方法电场作业安全检测准确率过小，且检测框会出现遮挡。为此，设计基于Faster RCNN深度学习模型的穿戴式电场作业安全检测系统。硬件部分设计作业安全数据采集电路结构。软件部分采用Faster RCNN深度学习模型确定检测候选框，引入平衡参数，控制交并数值，实现安全检测功能。实验结果表明：本文所设计的安全检测系统检测准确率较大，检测框并未出现遮挡问题。     

基于全矢局部均值分解的齿轮故障诊断方法研究

针对齿轮故障信号大多数是难分解的多分量的调幅-调频信号的问题,提出一种新的信号处理方法——全矢局部均值分解(FVLMD)方法。局部均值分解(LMD)可将多分量信号自适应地分解为多个单分量信号;全矢谱技术可以解决单通道信号不完整的问题。运用信息融合技术,将信号LMD分解得到的PF(Product Function)分量进行全矢谱融合分析,这样既可以将信号彻底分解,又可以保证其完整性。齿轮故障信号验证了该方法的有效可行性。