大豆蛋白亚基组成对豆腐产量和品质的影响研究

为了全面解析原料大豆蛋白组成对豆腐凝胶特性的影响,本研究对大豆蛋白亚基组成与豆腐得率、质构性质及蛋白凝胶微观结构的关系进行了探讨。结果表明,大豆籽粒11 S/7 S球蛋白组分比值是判断豆腐产量和质构特性的良好指标。原料大豆蛋白组成的差异会导致豆浆pH值的不同,进而影响凝固剂对大豆蛋白的凝聚程度以及豆腐得率;原料大豆籽粒大小也是影响豆腐得率的一个重要因素。另外,7 S球蛋白以及β亚基组分含量占比高的原料大豆制作的豆腐质地偏软、蛋白凝胶微观结构疏松且孔洞较多。

一种同时测量流量和含水率的电导式传感器

介绍了一种可同时测量油水两相流流量和含水率的电导式传感器的结构。该传感器由 6个圆环形不锈钢电极镶嵌在绝缘的管道内壁上构成。流量是通过对传感器内上下游检测电极对所检测到的流体流动噪声进行互相关运算来获取的 ;含水率是通过油 /水混合相的电导与其中水相的电导相比来获取的。对传感器测量流量和含水率的原理进行了介绍 ;对电导式传感器在多相流模拟井上的流量测量和含水率测量的动态实验结果进行分析。动态实验表明 。

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。

核函数主元分析及其在故障特征提取中的应用

提出了基于核函数主元分析的故障特征提取方法。该方法利用计算原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间,并应用转子试验台的故障数据对该方法进行了检验。结果表明,核函数主元分析更适于提取故障信号的非线性特征,它提取的故障特征对故障具有更好的识别能力,并对分类器具有较强的鲁棒性。

一种基于指数损失函数的多类分类AdaBoost算法及其应用

提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME(forward stagewise additive modeling using a multi-class exponential loss function)。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。

基于粗糙集理论的航空发动机性能综合评判

综合评判在航空发动机性能定量、定性评价分析以及性能预测中发挥着重要的作用。针对综合评判发动机性能时,各参数的权重系数难于确定,本文提出应用粗糙集理论,对原始发动机数据进行挖掘,利用其求得各项参评发动机性能因素的属性重要度,并进行权值化处理作为其权重系数。通过对某型涡扇发动机进行监控,结果表明所提方法有效克服了传统定权方法的主观性,使得评价结果更具客观性,提高了综合评判的准确性、有效性。

基于支持向量机方法的发动机性能趋势预测

为了提高对航空发动机性能趋势预测的精度,提出利用支持向量机方法来预测表征发动机整体性能的参数—性能综合指数。建立了基于支持向量回归的一步及多步预测模型,利用该模型对性能正常衰退及性能异常发动机的综合指数分别进行预测,并与自回归(AR)模型的预测值进行比较。结果表明,基于支持向量机的预测模型比AR模型的预测精度更高,其四步预测精度由80·56%提高到88·51%。因此该模型尤其适合中、长期预测。

粗糙核主元分析方法及其在故障特征提取中的应用

将粗糙集理论的属性约简与核主元分析方法结合起来,提出一种基于粗糙核主元分析的故障特征提取方法。该方法首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;然后再采用核主元分析方法进一步提取非线性特征;最后将该方法应用于轴承故障特征提取及故障识别中。应用结果表明,所提出的粗糙核主元分析方法(RKPCA)与传统的KPCA、PCA方法相比,使整个样本集的可分性变大,提高了分类正确率;同时还有效地降低了输入特征维数,提高了分类效率;并且对分类器具有较强的适应性和鲁棒性。

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。

电导相关流量测井仪的现场应用

电导式相关流量测井仪主要用于井下油 /水两相流含水率和流量的测量。该仪器通过确定流过传感器的流体的油水混合相电导率与其中水相电导率之比来获得含水率 ;通过相关运算确定流动噪声信号通过电导传感器中的上、下游传感器的渡越时间来确定流量。介绍了电导相关流量测井仪的传感器结构、仪器结构和工作原理。介绍了该测井仪流量测量部分的地面采集处理软硬件模块。给出了该测井仪的室内动态实验结果及现场应用效果。该测井仪的特点是流量测量范围较宽和过流测量含水率 ,但该仪器传感器必须在水为连续相条件下工作 ,因此 ,仪器工作范围限于持水率为 5 0 %～ 10 0 % ,是井下多相流测量的一种无可动部件、采用同一传感器测量流量及含水率的新型仪器。

一种基于贡献率图的KPCA故障识别方法

提出一种新的针对KPCA模型的故障识别方法——贡献率图法。该方法是在微分贡献率图和核函数导数的基础上提出来的,它采用统计量T2和SPE对每个变量的偏导数来度量每个变量对统计量T2和SPE的贡献率。和基于数据重构法的KPCA故障识别方法相比,该方法不需要任何迭代近似计算和数据的重构,计算量小且可避免重构产生的误差对识别结果的影响。通过在某型涡扇发动机故障检测与诊断中的应用表明,该方法比基于数据重构法的故障变量识别准确率更高,再结合发动机故障机理分析,便可准确地确诊故障,从而大为缩短故障定位及排故的时间,预防重大事故的发生。

基于CAN总线的航空发动机智能执行机构的设计

分布式控制是未来航空发动机控制系统的重要发展趋势.作为航空发动机分布式控制系统的主要组成部分,提出了一种基于CAN总线的智能执行机构的设计方案,并给出了具体的硬件电路和软件算法.DSP实现智能执行机构的程序控制和自诊断,CAN总线完成发动机中央处理器与DSP的数据交换,步进电机实现精确的自整角机传感器位置控制.实验结果表明,对比目前的发动机执行机构,提出的智能执行机构克服了相位移动明显、误差大、响应速度慢等缺点,取到了良好的控制效果,对提高系统的测量精度及保证航空发动机的控制品质具有重要意义.

基于核函数Fisher鉴别分析的特征提取方法

提出一种基于核函数的Fisher鉴别分析的故障特征提取方法。该方法通过内积核函数将原始特征空间映射到高维特征空间,然后在高维特征空间作线性Fisher判别分析,从而得到原始特征空间的非线性特征,最后应用滚动轴承的故障数据对该方法进行了检验。结果表明,与线性Fisher鉴别分析和核主元分析方法相比,基于核函数的Fisher鉴别分析更适合提取机械故障的非线性特征,它所提取的故障特征对故障具有更好的识别分类能力,并且对分类器具有较强的鲁棒性。

Diverse AdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用

提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——DiverseAdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器,对这些具有较大差异性的弱分类器进行组合,从而较好解决AdaBoost算法中存在的精度/差异权衡的难题;同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明和其他方法相比,DiverseAdaBoost-SVM方法具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。

涡轮流量计对水平三相流的实验响应

对涡轮流量计在模拟井中水平条件下获取的实验数据从不同气流量、同一含水率下的油水总流量与涡轮响应的关系；同一油水总流量、不同含水率配比下的气流量与涡轮响应的关系及不同密度下的油、气、水总流量与涡轮响应的关系等3个方面进行了分析。结果表明，油水两相含水率在50％～100％范围内，同一气流量下，涡轮响应与油水两相流量呈线性关系；不同气量下所得到的各个涡轮流量计的响应与油水总流量关系直线的斜率（即涡轮K值）近于相等，但各直线的截距随气流量的增加而增大。在油水总流量相同的情况下涡轮响应与气流量呈线性关系，该线性关系不受油水两相含水率的影响或受油水两相含水率的影响小。不同密度下的涡轮K值随密度增加而增大。三相流下要获得准确的流量还需进行密度校正。

基于粗糙核Fisher鉴别分析的特征提取及其在发动机故障诊断中的应用

将粗糙集理论的属性约简与核Fisher鉴别分析方法结合起来,提出一种基于粗糙核Fisher鉴别分析的故障特征提取方法.首先采用粗糙集理论的属性约简删除与分类无关或关系不大的特征,降低输入特征维数,排除干扰特征的影响,减小了特征提取计算量;再采用核Fisher鉴别分析方法进一步提取非线性特征;最后将该方法应用于航空发动机滑油系统故障特征提取及故障识别中.结果表明:该方法获取的特征在提高分类正确率的同时,还有效地降低了输入特征维数,提高了分类效率,并且对分类器具有较强的适应性和鲁棒性.

一种基于自适应核主元分析的故障检测方法

针对用一个时不变的固定KPCA模型来监控航空发动机这类时变系统的性能时,可能会引起故障检测、诊断的偏差的问题,提出了基于自适应核主元分析的航空发动机故障检测方法。该方法利用滑动窗口的机制,通过不断加入实时采集的数据,自动更新监控模型,使KPCA监控模型能适应这种时变系统的正常参数漂移。对某型涡扇发动机进行故障检测的应用结果表明,与静态KPCA检测模型相比,自适应KPCA检测模型具有更好的故障检测效果,可提高故障检测的快速性及准确率。

基于Dempster-Shafer证据理论的航空发动机磨损状况融合诊断

本文利用Dempster-Shafer证据理论对滑油光谱分析得到的铜、铁、银3种元素含量进行融合诊断,从而达到对航空发动机磨损状况更为准确的判断,同时也提高了发动机工作的可靠性。通过对实测的两组样本数据进行融合诊断分析,发现3种元素的融合诊断结果比单一元素诊断结果更准确、可信度更高。第一组样本数据诊断正确的概率从37.05%提高到76.52%,第二组样本数据诊断正确的概率从69.59%提高到96.26%。

基于遗传算法的发动机性能监控与故障诊断

利用综合加权法计算表征发动机整体性能的综合指数时,各参数的权系数难于确定。利用遗传算法确定各参数的权系数,使所得到的综合指数值比采用专家调查法所得综合指数值更能灵敏、准确地反映发动机整体性能的变化情况,提高了发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大。通过对某涡扇发动机进行监控,证明该方法确实有效。

阻抗式产液剖面测井仪

油田步入高含水开发期,地下水为连续相的条件下,原有的基于油为连续相的测井技术不再适用,测井质量难以保证。阻抗式产液剖面测井仪采用阵列环状电极传感器,通过电导法确定含水率,可以在水为连续相时进行过流测量含水率。该技术适合中、高含水条件下油井含水率的测量。截至目前,该技术测井技术已在大庆、吉林等油田已经大规模应用,累计测井17220井次。在大庆油田,应用这种产液剖面测井方法已占测井总数的86%以上,成为高含水油田产液剖面测井的主导技术。