基于局部切空间排列和K-最近邻分类器的转子故障诊断方法

为了解决大型机械设备故障数据难以准确快速提取的问题,提出了一种基于局部切空间排列(LTSA)和K-最近邻分类器的转子故障诊断模型。首先基于转子的振动信号构造一个高维多征兆矩阵,利用LTSA提取高维矩阵的低维特征向量,映射在可视空间里;然后将提取的低维特征向量输入K-最近邻分类器进行故障模式识别。试验和数据降维仿真过程表明,该模型的准确度和快速性均优于LTSA和神经网络以及LTSA和支持向量机组成的故障诊断模型。

LLSTA和ELM算法在转子故障诊断中的应用

针对转子故障诊断日趋困难的问题,引入一种基于非线性流形学习和极限学习机(ELM)的转子故障诊断模型。基于转子振动信号时域与频域的14个特征参数构建高维矩阵,利用线性局部切空间排列(LLTSA)提取高维矩阵的特征向量,并投影到可视空间中。采用极限学习机作为分类器进行故障诊断。故障诊断实例验证了该模型的有效性和可行性,表明了该模型将成为故障诊断领域的发展方向。

基于正交局部保持映射的转子故障诊断方法

为了改善故障模式识别的分类性能,提出了一种基于正交局部保持映射算法的多流形特征提取方法。对于高维的非线性数据可以有效地提取低维流形特征向量,并且不会改变数据的内在属性。利用转子的振动信号构造一个高维多征兆矩阵,然后在应用正交局部保持映射将这个高维矩阵进行降维,提取低维特征向量矩阵,映射在可视空间里,从而可以有效地达到故障分类的效果,提高故障诊断的准确率。最后通过实验和数据降维仿真证明了正交局部保持映射算法的有效性和可行性。

电力系统电气二次设备检修技术措施分析

目前,我国的二次设备维修工作还没有建立起健全的体制,这对我国的电网运行产生了很大的影响。二次维修对于电力系统的运营有着举足轻重的作用,因此,电力部门的工作人员必须要重视。重点介绍了对变电站维修工作的重要意义,并对维修技术的对策进行了简要分析,以供参考。

光导照明系统概述

本文介绍了光导管照明技术的发展历史及研究现状,阐述了光导管照明系统的基本结构和影响照明效率的因素,分析了光导照明系统的优越性和存在的问题,并指出了该技术的未来发展趋势。

油田炼化含油污水处理技术及排放分析

油田含油污水是一个多相复杂的系统,通常由固体杂质、溶解气体、无机盐、多环芳烃、微生物等组成,其中分散油、乳化油和溶解油在动力学模型中相对稳定,传统的污水处理技术难以解决。为了高效降低COD含量,提高除油效率,针对油田含油污水处理技术,工程技术人员已开展大量研究。在实际应用中,根据含油污水的水质特性,选择合适的处理技术具有重要的意义。分析了多种含油污水处理技术的研究进展,以期为含油污水的低成本、绿色和高效处理提供参考,并对含油污水处理技术的未来发展方向进行了展望。

110kV综合自动化变电站的电气二次设计分析

自动化变电站作为我国电气系统中的重要组成部分,为我国能源建设奠定了坚实的基础,110kV变电站是当前电气系统中的常用设备,受到相关部门和工作人员的广泛关注。针对110kV综合自动化变电站所涉及到的综合自动化系统二次设计进行了较为全面客观的分析,以期能够为我国自动化变电站体系的改良提供借鉴意义。