基于小波包和BP神经网络的潜油直驱螺杆泵系统故障诊断

为准确诊断潜油直驱螺杆泵系统故障,提出了一种基于小波包和BP神经网络的螺杆泵系统故障诊断方法。对螺杆泵在不同工况下有功功率进行3层小波包分解,提取小波包特征能量,然后构造小波包特征能量向量,并以该向量作为故障样本对3层BP神经网络进行训练,实现了智能化故障诊断。仿真结果表明:训练的BP网络能很好地诊断潜油直驱螺杆泵系统的故障。     

卡尔菲休库仑法水分测量影响因素分析

针对使用卡尔菲休库仑法测量水分,研究了环境水分、样品预热处理和取样量对卡尔菲休库仑法测量水分的影响。结果表明:环境水分是导致卡尔菲休法测量水分结果出现误差的最主要因素;经过预热处理的样品水分测量结果的准确性好于未经过预热处理的;取样量的多少影响到水分测量结果的重复性和准确性,取样量大则测定的准确性高、重复性好,环境水分对结果的影响就减弱了。     

基于小波神经网络的热值软测量建模

提出了一种基于小波神经网络的软测量建模方法和学习算法,这种方法被用来测量裂解炉燃料气热值。小波神经网络具有2层结构:小波降噪层和多层感知器层。小波降噪层主要用来对过程数据进行降噪变换,提高源信号的信噪比,多层感知器层用来辨识过程模型。小波神经网络不但具有多层感知器网络的自学习和逼近性能,而且可以利用小波降噪理论,克服源信号的噪声干扰。小波变换可以变换初始数据并进行特征提取,变换后的数据具有更高的信噪比,仿真结果显示小波神经网络具有良好的逼近能力和泛化性能。     

小波变换极大值法信号回复

本文用凸集上投影的原理，提出了一种由离散时间小波变换极大值来回复信号的迭代算法。算法的收敛性是确定的。     

雨季生产润滑油水分不合格原因探讨

水分是润滑油的一项重要指标。润滑油在雨季生产过程中,因连续降雨和环境湿度大,容易造成润滑油水分不合格,文章从人、机、料、法、环等方面进行分析,通过分析发现,基础油储存时间长、半罐调合生产是润滑油雨季生产水分不合格的主要原因,通过控制基础油库存、满罐调合及过程防护,可以减少雨季生产润滑油水分不合格,降低质量风险。     

用小波包变换广义回归神经网络法处理硝基苯胺异构体重叠紫外吸收光谱

开发了一种小波包变换广义回归神经网络(WPTGRNN)法,用于处理对硝基苯胺、邻硝基苯胺和间硝基苯胺重叠的紫外吸收光谱,达到不经预先化学分离进行同时测定的目的。WPTGRNN法结合小波包变换和广义回归神经网络(GRNN)的特点,改进除噪质量和预测能力。通过最佳化实验,选择了小波函数、小波包分解水平及GRNN的平滑因子。实验结果表明,WPTGRNN法的预测标准误差为1.08μg/mL,预测相对标准误差为4.20%,与小波变换广义回归神经网络、广义回归神经网络和主组分回归3种方法进行比较,WPTGRNN法优于其他3种方法。     

基于小波变换的机械振动信号预处理研究

在机械振动测试中,由于各种因素影响,使得信号存在一定的噪声。因此,信号分析前需对采集的数据进行预处理,以提高数据的准确性,为之后的数据分析奠定基础。小波变换能自适应地反映信号的低频、高频成分,可以用于滤波或压缩信号,从而提取出信号中的有用成分。本文介绍了小波变换和阈值去噪的基本原理,设计了一段含有随机噪音的机械振动信号,通过小波阈值去噪和平滑处理的对比分析,发现小波变换对机械信号预处理具有良好的效果。     

基于小波变换的磁记忆信号去噪方法研究

在利用小波变换对获取的磁记忆检测信号进行去噪处理时，主要有3种方法，基于小波变换的非线性方法能够获得较理想的处理效果。详细介绍了基于该方法的信号处理原理，并重点介绍了影响去噪效果的3项因素。非线性方法在工程实践中取得了良好的效果。     

润滑油中水分的危害及检测方法

介绍了润滑油水分的来源、存在形式、危害及其检测方法。     

小波变换域K L变换及其去噪效果分析

K—L变换利用相邻地震道的相关性来去除随机噪声，但对于倾斜和弯曲同相轴反射去噪效果不佳。采用改进的时变倾角扫描叠加K—L变换能够较好地去除随机噪声，但由于在时间域进行，没有考虑有效信号和随机噪声在频率域的特点，高频有效信号易受压制。小波变换具有较强的时频分析能力，在小波变换域进行K—L变换，可以实现分时分频K—L变换去噪。介绍了小波变换域K—L变换压制随机噪声的基本原理，即先将地震信号进行小波分解形成分时分频的小波包剖面，然后用K—L变换对小波包剖面进行去噪，再将去噪后的小波包剖面重构回地震剖面，从而达到消除随机噪声的目的。理论模型计算和实际资料处理表明，小波变换域K—L变换去噪方法在有效去除随机噪声的同时能够保护高频有效信号。     

对不同含水量船用润滑油的性能考察

介绍了通过模拟评定考察含水量对船用气缸油和船用中速机油性能的影响，对于船用油的使用提供参考。     

基于BP神经网络的重油催化裂解模型

基于BP神经网络,利用重油催化裂解反应过程的试验数据,以涉及原料性质、催化剂活性、操作条件等的11个参数作为输入变量,以乙烯、丙烯和BTX(苯、甲苯、二甲苯)的产率作为输出变量,构建了结构为11-12-3、以贝叶斯算法为学习算法的BP神经网络重油催化裂解模型,并进行了验证.结果 表明,该模型对乙烯、丙烯和BTX产率的预...     

重复压裂选井选层的小波神经网络研究及应用

重复压裂选井选层需要综合考虑地质特征、油气藏特性、物性参数、测试和生产数据等多种影响因素,难以用传统的数学方法来描述这些参数间的高度非线性映射关系。而以往对重复压裂选井选层的相关研究大都是以BP-神经网络为基础建立模型,但因其算法收敛速度慢、抗干扰能力差等缺点,在应用上受到了一定限制。本文首次将小波神经网络引入重复压裂选井选层,并应用灰色理论进行了参数优选,建立了重复压裂选井选层的小波神经网络模型(该网络模型具有一致逼近和L2逼近能力,以及较强的抗干扰能力),然后在此模型基础上给出了相应的求解算法。最后在现场应用收到了良好的效果,证明了该方法的可靠性与可行性,对重复压裂选井选层有重要的指导意义。     

纳米铜粉在润滑油中分散稳定性的研究

 采用正交实验设计法及单因素实验法探讨了以纳米铜粉在润滑油中的分散稳定性为工艺最优目标，利用高剪切混合乳化机分散润滑油中纳米铜粉的最佳工艺条件。利用吸光光度法及透射电镜检测纳米铜粉在润滑油中的分散稳定性。结果表明，将纳米铜粉均匀稳定地分散在润滑油中的最优工艺条件为：剪切速率6000r/min，剪切时间3h，分散剂含量6%(占机械油的质量分数)，表面活性剂的HLB值范围在7.0~8.5。由最优工艺分散的润滑油中的纳米铜粉粒径均匀，基本无团聚现象。     

基于BP神经网络裂缝分级方法研究

裂缝级别是由裂缝的自身条件与外部条件共同决定的,是一个多因素、多层次的复杂系统,各种评价参数与裂缝发育程度之间的关系是非线性的,导致对裂缝级别进行定量的划分十分困难。本文基于BP神经网络,开展了对裂缝级别划分的研究,结果表明,基于BP神经网络的裂缝分级具有较好的应用效果。     

基于人工神经网络原油中气油体积比预测模型研究

针对国外原油气油体积比预测模型在国内一些油田并不适用,在分析BP神经网络基本原理的基础上,提出了原油气油体积比新的预测模型。该模型结构为4-10-1的三层BP网络模型,它考虑了压力、温度、地面原油重度和气体的相对密度对气油体积比的影响。利用该模型对大庆油田实测值进行了训练与测试。测试结果表明:利用人工神经网络方法建立的气油体积比预测模型比国外模型精度高,基本合理可靠。     

集成神经网络信息融合技术在油种鉴别中的应用

介绍了一种应用集成神经网络信息融合技术的油种鉴别系统。它以加权信息融合技术为基础,对各种油类的三维荧光谱的光谱分析数据采用集成神经网络进行油种鉴别。通过对机油的举例验证表明,该鉴别系统能将鉴别误差由7．59％减小到2．51％。该系统充分利用了数据信息,其诊断精度及学习能力明显优于单一神经网络诊断模型。     

我国车用润滑油的发展与预测

论述了近几年国内外车用润滑油的发展状况，通过对比，看我国高中高档润滑油虽然发展很快，但在成品润滑油中的占比例并不高，与国外用油水平相经有很大差距。能动地我国汽车工业今后十几年规划的分析，预测车用润滑将有很高的发展速度。     

低分子聚异丁烯性能及在润滑油中的应用

对低分子聚异丁烯（ＬＰＩＢ）的综合性能进行了评定，并简要介绍了ＬＰＩＢ在几种润滑油中的应用。     

润滑油微焦化试验方法研究初探

介绍了一种润滑油模拟试验方法－微焦化试验。该方法是评定润滑油高温稳定性能的有效的薄膜热氧化试验，经研究认为该试验方法与Caterpiller 1G2台架试验有较好的相关性。