压平机液压泵流量压力复合控制的分析

舞钢第二轧钢厂压平机自2009年6月投产后,由于设计和安装等方面的缺陷,导致初期运行极不稳定。通过对液压泵站到压头控制阀台之间的冲击震动产生的原因进行分析,找出了问题的解决途径。     

改进BiLSTM-GRU-DMD的风机叶片结冰故障检测与状态评估模型

针对风电机组运行监测数据的不平衡性与时序性，提出一种新的风机叶片结冰故障诊断与状态评估方法。首先，利用自适应过采样方法均衡风机结冰样本数据集的不平衡性；然后，改进堆叠双向长短时记忆网络和门控循环单元检测风机叶片结冰故障，利用焦点损失函数作为损失函数侧重于难分类样本优化模型，并结合改进非洲秃鹫优化算法优化超参数，从而提升检测准确性；最后，测度结冰样本与非结冰样本的动态马氏距离，并转换为结冰指数评估叶片结冰状态。真实风场数据验证表明：提出的风机结冰故障检测与状态评估方法，在结冰检测方面，其F1分数、精确率和召回率分别达到0.967 8、0.960 7和0.975 1，优于其他基线模型和优化算法，有效地减少了错报率和漏报率。同时，在定量化评估风机叶片不同阶段的结冰状态方面具有优势，可以为风电设备视情维修提供支持。     

Xilinx FPGA system generator在伺服电机控制中的应用

为了避免编写FPGA语言HDL代码的烦琐性,借助于Simulink集成工具箱中Xilinx系列FPGA独有的System Generator模块,围绕3种伺服电机控制应用进行了仿真和实验研究。首先,根据3种伺服电机控制所需PWM信号波形,利用System Generator建立Simulink仿真框图;其次,在Simulink仿真结果正确的基础上生成HDL代码;然后,利用ISE的仿真配套软件ModelSim对HDL代码仿真测试;最后,在ModelSim仿真结果正确的基础上将代码载入FPGA硬件,并利用ChipScope Pro对PWM信号进行实验测试。实验结果与仿真结果的吻合,表明此方法简单易行,具有一定的实际应用价值。     

绝缘局部损坏下地铁杂散电流分析

简述杂散电流产生机理,建立均匀电阻下杂散电流分布的数学模型,分析杂散电流的分布规律。地铁运行多年后,走行轨对地可能发生绝缘损坏,走行轨纵向电阻值和走行轨对地过渡电阻值可能发生变化,运用Matlab软件进行仿真,仿真结果显示在绝缘局部损坏下,绝缘损坏处杂散电流将显著增大。     

基于马尔可夫链模型的B&L VP (X)控制图统计性能分析

在已有VP(X)控制图基础上,增加了B&L转换规则,构建了基于马尔可夫链模型的B&L VP(X)控制图统计性能分析模型,给出了统计性能指标ATS、AATS以及ANSW的表达式.针对2组设计参数,将构建的模型与现有VP(X)控制图进行了比较分析,结果表明当平均运行时间相同时,本文构建的模型在缩短报警时间和减少转换次数方面,都有着明显的优势,而且随着转换参数L的增大,这种优势会增大.     

元代四川盐业生产

四川以产盐历史悠久、盐业资源丰富、井盐精湛在盐业生产史上有占有极为重要的位置，但是有关元代盐业生产的史籍记载阙如，且至今也无专此研究之作。是以，根据零星而散乱的史料对四川盐业生产进行初步的研究以主具了解四川盐业生产的概况，就显向很有必要的而有意义。基于于此，本就元代四川盐业的产地、产量、恢复和发展生产的措施、生产技术与生产衰落等生产情况进行了论述。     

盐晶纪

盐乃＂食肴之将＂、＂国之大宝＂。在西秦会馆里的盐业历史博物馆,可以触摸盐晶的璀璨记忆,感受古代劳动人民的卓越智慧。     

盐晶纪

盐乃＂食肴之将＂、＂国之大宝＂。在西秦会馆里的盐业历史博物馆,可以触摸盐晶的璀璨记忆,感受古代劳动人民的卓越智慧。     

多传感器数据融合的复杂系统退化模式挖掘

退化模式挖掘对复杂系统剩余寿命预测具有重要意义。为了解系统运行状态,掌握其退化规律,提出一种基于时间序列聚类的退化模式挖掘方法。首先,利用改进马田系统筛选并融合多传感器数据特征,构建健康指数来表征系统的退化趋势。然后,采用累积和算法将健康曲线进行分段处理,获取退化曲线,并利用基于动态时间弯曲距离度量的层次聚类算法将退化模式进行归类。最后,以相似度和退化时间为判别依据,对系统的退化模式进行有效识别。以航空发动机为对象的研究表明,该方法能够有效的挖掘和识别退化模式,为复杂系统剩余寿命预测提供依据。     

基于VMD和改进多分类马田系统的滚动轴承故障智能诊断

为了有效提取滚动轴承的故障信号,选择合适的智能分类器识别故障状态,提出基于变分模态分解及多重马氏距离法的多分类马田系统的故障智能诊断系统。通过变分模态分解将振动信号分解为多个本征模函数并提取相关特征;并采用了多重马氏距离法的马田系统,以特征子集代替特征参与分类器的构建,以解决特征参数众多的问题;通过正交表和信噪比,筛选出各状态的敏感模态分量,并提出多分类马田系统,用于多类故障智能识别;将其应用于滚动轴承故障数据中,验证算法的有效性,并与其他算法对比分析。结果表明,基于变分模态分解及改进的多分类马田系统算法能简化诊断系统、训练耗时少,识别准确率高,是一种更为有效的故障智能诊断方法。