基于LE-ISTOA-SVM的聚合釜化工过程故障诊断

聚合釜是制备高分子化合物的最主要设备,其能否稳定的运行关系到产品的质量以及人员、设备的安全。但是,现代化工生产流程非常复杂,化工过程诊断数据具有高维非线性的特点。提出了基于LE-ISTOA-SVM的聚合釜化工过程故障诊断方法。首先,使用拉普拉斯特征映射算法(Laplace Feature Mapping Algorithm,LE)对故障数据进行降维。然后,使用改进乌燕鸥优化算法(Improved Sooty Tern Optimization Algorithm,ISTOA)优化SVM(Support Vector Machine,SVM)的参数来提高其性能。最后,利用聚合釜的实验数据做仿真测试。测试结果表明,该方法有较好的诊断效果。

基于改进动态核主元分析算法的化工过程故障检测

为克服工业过程数据的非线性、动态性等限制,提出基于希尔伯特黄变换的动态核主元分析算法(HHT-DKPCA)。首先用标准化正常数据计算均值和标准差,之后对原始数据进行标准化。然后对协方差矩阵进行特征分解,将数据映射到低维空间。HHT变换去噪前对每个主元变量进行降维,然后将去噪后的数据重新映射到高维空间,并重新计算T^(2)和SPE。将HHT-DKPCA与PCA、KPCA、DKPCA、HHT-PCA在TE过程故障数据上的处理结果进行比较,结果表明,HHT-DKPCA具有更高的故障检测率。

基于子块典型变量分析的化工过程故障检测

大型化工生产过程包含许多单元,单元内变量之间具有非常强的相关性,针对这一特点,提出一种基于子块典型变量分析(sub-block canonical variate analysis,SB-CVA)的故障检测方法.依据块内变量高度相关、块间变量相关性较小原则将过程建模数据分块,在各个块内分别建立CVA模型,计算T 2和SPE统计量作为故障检测指标.该方法主要优点是能及时检测故障并定位故障发生的单元.对TE过程进行仿真,并与PLS、MB-PLS和CVA方法进行对比,结果验证了该方法的有效性.

基于DAE-BP神经网络的化工过程质量预测

BP神经网络因具有良好的非线性拟合能力,在建立预测模型中得到广泛应用;但化工过程数据不仅存在非线性特征,而且难以避免受噪声影响,造成数据波动从而影响预测模型准确性;为此,提出一种降噪自编码器融合反向传播算法(简称为,DAE-BP)的化工过程质量预测方法;首先,采用无监督学习模型降噪自编码器完成初始数据的噪声消除,其具有噪声鲁棒性的特点,在数据受到损坏的情况下可尽可能地恢复数据的原始状态,有利于进一步的质量预测;在此基础上,将获取的数据特征作为有监督学习模型BP神经网络的输入以获得可靠的预测结果;在脱丁烷塔化工过程实例上验证方法有效性;并与单一BP算法、主成分分析(PCA)及自编码器(AE)改进的BP算法作为对照;结果表明,经过DAE改进后的BP算法预测误差为1.2%,相比单一的BP算法提高了3.2%精度,较PCA-BP及AE-BP预测误差精度分别提高了2.3%、1.9%,表现出最好的预测性能。

基于深度聚类的化工过程故障诊断

该文提出一种深度聚类(deep clustering,DC)故障诊断算法,将特征提取与聚类两部分产生的误差融入模型训练损失函数中,统筹误差调整系统参数,提升模型精度。首先采用深度卷积自编码器提取过程数据深层次特征,对数据进行卷积操作能够保持原始数据结构完整性,同时将聚类误差引入到网络损失函数中,完成参数优化和聚类任务。以田纳西-伊斯曼(TE)过程为实验对象对所提方法进行性能评价实验,并与基于AE-kmeans聚类算法进行对比,验证了所提算法的有效性。

能源控制系统网络信息安全仿真平台构架与应用研究

以由控制层、仿真层、监控层组成的控制系统为背景,采用S7-1200 PLC作为仿真器,构建一个模拟真实生产环境的信息安全仿真平台,实例化某能源企业控制系统组成和网络拓扑结构,模拟仿真现场设备.在不影响企业正常生产运行的情况下,利用攻击回放技术,在平台模型上成功还原了攻击效果,实现了攻击溯源、针对性开展安全防御、主动防御等效果.将研究成果应用于企业,降低了企业安全隐患,为能源系统信息安全维护作出了巨大贡献.

基于自适应MCKD与CNN的滚动轴承故障诊断

为了解决强背景噪声下故障特征提取困难及传统方法依赖经验和知识的问题,提出了一种基于自适应最大相关峭度解卷积(MCKD)与卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,利用粒子群算法(PSO)优化MCKD的参数。其次,对滚动轴承故障信号进行信号滤波,得到降噪后的信号。最后,将降噪后的信号输入到构建的CNN模型中进行训练和测试,得到轴承故障诊断的分类结果。通过轴承寿命试验台的故障数据集的测试和评价,将提出的方法与未经过降噪的CNN方法进行比较,验证了该方法具有较高的诊断精度。

改进KnEA的二级斜齿圆柱齿轮减速器优化设计

在实际工程中,复杂的多目标问题是导致优化结果收敛性和多样性损失的重要因素。为了提高优化算法在复杂问题中维持解多样性和收敛性平衡的能力,提出了基于KnEA(A Knee Point Driven Evolutionary Algorithm)的辅助点进化算法。首先,该算法借助进化过程中有明显趋势的拐点作为邻域空间的中心;其次,通过分析邻域空间中的拐点与上一代拐点之间的关系,从侧面来定量分析了邻域空间的潜力;再次,为了解决对复杂问题优化过程中收敛性不足的缺陷,提出了根据邻域空间的进化潜力来增加辅助点的策略,进一步地提高了进化过程中的空间搜索能力。在种群的环境选择中,优先选择拐点和辅助点进化下一代,以此平衡种群的收敛性和多样性。将该算法在多目标测试问题上与流行的算法进行了比较,实验结果表明提出的算法在多目标问题优化中有明显优势。最后,将该算法应用到二级斜齿圆柱齿轮减速器优化设计当中。

利用振动幅值进行滚动轴承外滚道故障定位

滚动轴承在机械传动中占有十分重要的地位,其运行状况直接影响着机械的运行效率。因此,对滚动轴承故障的研究具有十分重要的理论意义和现实意义。该文章在故障诊断的基础上提出一种故障定位的新方法。该方法利用三个振动传感器采集滚动轴承运行过程中的振动信号,然后利用相关分析法与EMD算法对其进行去干扰处理,提取振动信号的幅值,并计算其衰减量。利用三个传感器采集到的三处振动信号衰减量来分析计算故障的准确位置。该方法简单,提取特征值少,定位精度高。且该方法不仅能准确定位滚动轴承外滚道单点故障,而且可同时定位出多个故障点。这在以往的定位方法中是很难实现的。

基于SSA-RVM的滚动轴承可靠度评估与预测

为解决滚动轴承运行可靠度预测问题,这里提出了基于麻雀搜索算法-相关向量机的滚动轴承可靠度预测方法。首先对轴承振动信号在时域、频域及时频域构成的维数较高的向量集利用主成分分析算法进行降维;然后将降维后的特征集作为轴承的退化状态特征输入到逻辑回归模型中,进行滚动轴承可靠性评估;然后将轴承的性能退化状态特征作为麻雀搜索算法-相关向量机模型的输入,获取预测结果;最终把结果带入到逻辑回归模型中,预测轴承的运行可靠度。实验结果表明提出的算法在预测滚动轴承运行可靠性中具有明显优势。

基于特征选择和ELM神经网络的轴承可靠性预测

针对滚动轴承可靠性预测问题,提出了基于特征选择和ELM网络的可靠性预测方法。首先,对振动信号提取特征,构成特征参数初选集;其次,引入单调性、相关性、鲁棒性三个特征评价指标对特征参数初选集进行特征评价,并定义了一种新的限制性指标,得到可以反映轴承退化过程的参数,构成退化特征参数集;再次,对退化特征参数集进行维数约简,构成低维特征向量集;最后,以退化特征参数集和特征向量集分别为输入数据和标签带入ELM网络中做可靠性预测。通过西安交通大学轴承振动信号数据集证明了该方法的有效性。

一种参数自适应VMD应用于轴承故障特征提取

针对传统的变分模态分解(VMD)需要预先设置模态个数和惩罚参数,提出了一种基于麻雀搜索算法(SSA)的参数自适应VMD方法。首先,引入一种新的测量指标-相关脉冲,该指标能反映出原始信号与分解模态之间的相关性,并且能有效突出包含丰富信息的模态。其次,基于相关脉冲指标,采用麻雀搜索算法选择最优VMD分解参数。最后,通过最大相关脉冲指标对模态分量进行分析,利用希尔伯特包络谱进行频谱分析。此外,将故障轴承放在轴承寿命试验台上进行仿真验证,实验结果表明该方法在轴承故障特征提取上具有可行性。

基于改进PCA的复杂多阶段过程故障检测

为解决复杂多阶段过程难以进行有效监控的问题,提出了时空近邻标准化和主成分分析的故障检测方法。TSNS使用从时间到空间上嵌套近邻集的均值和标准差标准化各阶段样本,能够将多阶段数据高斯化为单一阶段的数据,分离故障样本,同时去除前后时刻样本间的时序相关性。TSNS能帮助PCA有效克服动态性、非线性和多阶段特征的影响,显著提高PCA的故障检测率。通过使用青霉素发酵过程设计故障检测实验,将TSNSPCA与一些经典方法进行比较,发现其具有更高的故障检测率。

基于FPGA的图像处理硬件加速系统的设计

为解决图像处理算法越来越复杂,普通的计算平台已满足不了当前需求的问题,根据现场可编程门阵列(field programmable gate array, FPGA)的并行计算特点对FAST角点检测算法和Sobel边缘检测算法进行硬件加速,采用HLS(high-level synthesis, HLS)高层次综合技术对两种算法进行设计并进行相应的优化。为提升系统整体性能,在FPGA上实现全部视频输入输出接口和图像算法的完整通路,通过FPGA算法电路与OpenCV算法程序进行对比,前者的图像处理速度快于后者9~11倍,系统功耗也仅为1.9 W,图像检测可达56 fps,满足实时图像处理要求,为以后设计复杂的图像处理系统提供了参考。

基于区块链的可信制造供应链溯源框架设计

针对传统制造业供应链管理信息不透明、数据流易窜改以及追溯能力不足等导致的供应链组织间缺乏信任、机会成本增加的问题,利用区块链技术设计了可信制造供应链溯源(trusted manufacturing supply chain traceability,TMSCT)框架。首先,设计了一种主从链协作机制,帮助用户在保护隐私的同时进行可信合作;其次,通过链上链下存储模式减轻分布式节点的存储压力;最后,基于布隆过滤器与Merkle树构建B-Merkle树,以快速判断当前区块是否包含目标数据。实验结果表明,B-Merkle树可以有效降低查询请求的平均处理时延,所提框架在数据存在性判断、隐私保护、灵活性和缓解节点存储压力方面相比现有解决方案具有更好的表现。

具有共存吸引子混沌系统的自适应同步控制

在一个三维混沌系统的基础上,通过添加一个非线性反馈控制器,得到一个新的四维混沌系统。通过相图、功率谱、庞加莱截面、李雅普诺夫指数、平衡点等证明了系统的混沌特性,并通过分岔图分析了系统在不同参数下的运动状态。研究发现,该系统具有非常复杂的动力学行为和共存吸引子现象。同时,通过设置不同的初始值和不同的偏移增量,分别证明了系统具有共存吸引子,此结论对混沌保密通信等领域有一定的应用价值。通过0-1测试证明了混沌和周期运动的存在,并通过谱熵(spectral entropy,SE)算法和C0算法讨论了系统的复杂度。最后,设计了自适应同步控制器,仿真结果证明新系统可以在参数不确定的情况下实现同步控制,表明控制器是有效的。

基于数值模拟的充填采矿地表移动规律研究

通过FLAC3D软件建立的三维数值仿真模型,结合有限元理论,针对某矿露天转地下开采过程中的地表沉降问题进行了研究。结果表明,随着充填率的增加,顶板最大主应力和竖向位移均呈现出降低的趋势。在-40 m首次开采中段回采后及时进行充填的情况下,100%充填率相比于90%充填率,竖向位移最大值降低了45%;当回采至305 m中段时,100%充填率相比于90%充填率,竖向位移值降低了22%。地表监测点的竖向位移和水平位移均随充填率的增加而降低。在保证95%充填率的情况下,地下开采对地表构筑物的影响较小,满足规程允许的地表变形值。研究结果对露天转地下开采地表沉降规律提供了有益参考。

红外探测器芯片高可靠性键合工艺研究

金丝键合工艺广泛应用于红外探测器的封装环节。实验选用25μm金丝,基于正交试验法,根据键合拉力值确定键合的最佳工艺参数。通过优化超声压力、超声功率、超声时间及接触力等工艺参数组合,改善了键合引线的电气连接性能和连接强度,从而提高芯片系统的信号传输质量。提出的引线键合工艺参数组合适用于红外探测芯片的键合。

基于频域特征提取与信息融合的磨机负荷软测量

提出了基于频域特征提取与多传感器信息融合的磨机负荷(ML)软测量新方法。针对磨矿过程主要依靠人工经验定性判断ML状态,难以定量检测ML参数的现状,通过融合磨机筒体振动、振声及驱动电机电流信号,建立了以料球比、矿浆浓度、充填率为输出的ML软测量模型。该方法首先采用快速傅里叶变换(FFT)将时域振动及振声信号转换为频谱变量,再对频谱变量通过主元分析(PCA)进行谱特征提取,然后采用径向基函数(RBF)变换生成的激活矩阵实现谱特征的非线性映射,最后采用偏最小二乘(PLS)算法建立以谱特征、激活矩阵、电流信号为输入的回归模型,从而有效克服了多传感器信息之间及RBF变换引起的多重共线性等问题。实验表明,该方法能够较准确地检测ML参数,融合多传感器的软测量方法具有更好的预测效果。

汽车前底盘装配视觉检测系统设计与应用

为解决汽车底盘混流装配错装、漏装和人工检测效率低的问题,设计了基于YOLOv3-Tiny的在线检测系统。该检测系统利用4套光源-相机组合的成像系统,从多角度获取前底盘模块的全貌图像,利用基于差分统计的条纹识别算法剔除低质量图像;根据检测目标特性,简化非极大值抑制算法,优化检测过程。实验和现场运行结果表明:检测系统目标无遮挡检出率达到100%,综合识别准确率达到99.95%,平均检测时间3.5 s,较之前人工检测效率提升94.55%,检测系统具有较高的准确度和检测效率,在汽车工业中实现了柔性化和智能化的目标检测应用。