调节阀多测点空化诱导振动敏感性分析

针对调节阀阀体不同测点处对流道内空化敏感性存在差异问题,开展了不同测点处空化诱导振动的差异性研究和空化发展状态敏感程度分析。搭建了调节阀空化振动加速度信号采集试验平台,同步采集了多测点处调节阀空化诱导振动的加速度信号。提出了加速度级比率和重心频率两个表征参数,并利用1/3倍频程谱对调节阀空化振动信号频谱进行划分,最终得到对空化发展最敏感的频带和测点位置。结果表明:调节阀阀体同一表面测点振动信号呈现相似性,不同表面测点信号差异性较大,即调节阀振动信号表现为各向异性;空化状态的发展主要引起中心频率10000 Hz以上的频带振动强度增大,适合作为监测调节阀空化状态的特征频带。

关于双目立体视觉图像目标精准匹配仿真

对视觉图像目标匹配问题的研究,能够有效提高图像视觉效果,增强人体感官质量。首先利用双目视觉图像特征点描述向量得到图像视差值,进而计算图像匹配代价,完成双目视觉图像目标精准匹配。传统方法根据参考图与实时图之间的单应性矩阵,对实时图进行视角变换,但忽略了对图像匹配代价的计算,导致匹配精度较低。提出一种双目立体视觉图像目标精准匹配方法,通过图像平滑和插值运算降低失帧和噪声对图像质量的影响,对双目立体视觉图像进行预处理。通过对图像特征点主方向进行计算,得到图像特征点描述向量。根据特征点描述向量得到双目立体视觉图像的视差值,采用SSD度量函数和双目立体视觉图像的视差值对图像的匹配代价进行计算,完成双目立体视觉图像目标的匹配。实验结果表明,采用所提方法对双目立体视觉图像进行匹配时,抗干扰性好,匹配结果精准度较高。

基于改进SVM算法的调节阀空化状态识别

空化现象往往致使调节阀产生振动、噪声以及工作效率下降等问题,严重影响煤液化系统的安全运行和元件寿命。准确识别调节阀内的空化状态可以为监测调节阀内空化状态、调节阀预测性维修提供数据支撑。针对调节阀空化状态难以有效识别的问题,构建一种基于遗传算法和核主成分分析(Kernel principle component analysis,KPCA)的支持向量机(Support vector machines,SVM)模型来对调节阀空化状态进行识别。利用时域、频域以及小波包变换提取振动信号的特征,通过KPCA提取特征向量的主成分,然后使用遗传算法优化后的SVM进行调节阀空化状态识别。试验结果表明,KPCA能够有效提取振动信号特征向量的非线性主成分,构建的SVM可有效识别调节阀空化状态。相比基于神经网络的空化状态识别而言,改进SVM具有更好的识别效果,识别准确率达98.7%。