抑制EMD端点效应方法的研究

基于经验模态分解的Hilbert-Huang变换在分解过程中产生端点效应,使得信号两端点附近出现失真问题,提出对端点效应进行抑制的多种方法.对全局统计平均法、平行线段延拓极值法、多项式拟合法、镜像延拓法、神经网络延拓法等抑制方法进行对比研究.仿真和实验结果表明,端点效应得到有效抑制,Hilbert-Huang变换的分析性能得到改善.

粗糙集合理论在旋转机械故障诊断技术中的应用

粗糙集合理论基于严格的集合分析方法,通过对数据集合进行等价关系、近似空间、分类等运算,发现隐含在数据中的规律与性质,从而完成知识发现。在人工智能机器故障诊断系统中,如何获得故障诊断等知识成为关键技术。论文提出将粗糙集合理论应用于加工中心故障诊断技术,使得故障诊断技术中的知识获取瓶颈问题得以有效解决。

基于免疫算法的故障诊断技术研究

针对故障先验知识和特征信息缺乏的情况,提出将免疫算法应用于机电系统的故障诊断的新方法。利用基于生物免疫学原理的负选择原理,给出了改进的免疫算法及其匹配规则和算法流程,建立了将改进的免疫故障诊断方法应用于机电系统的故障诊断体系。免疫算法实现故障诊断的过程分为二个阶段:免疫系统建立阶段和免疫功能执行阶段。在转子实验台上进行了原理性验证实验,进行实例验证。结果表明新方法可实现故障诊断基本功能。

注水站机组智能化机器状态趋势预测方法

针对油田注水站机组现有机械设备维护方式经济性差、不能完全避免事故发生的问题 ,提出用具有遗传功能的神经网络对油田注水站机组运行状态进行预测 ,给出了具有反馈功能的预测神经网络结构图 ,采用一种新型的全局随机优化搜索算法的遗传算法来训练前向神经网络。根据从大庆油田采回的现场数据建立的神经网络模型所做预测结果表明 ,遗传算法是一种启发式搜索 ,易收敛于全局最优 ;收敛速度方面遗传算法明显优于BP算法 ,预测精度明显优于常规预测方法 ,遗传算法能较好地反映机组运行状态的变化趋势。

强化意识 完善体系 培养学生创新能力

以创新能力的内涵和构成要素为出发点,结合北京信息科技大学的专业和实践特色,形成了以强化创新思维意识、丰富创新实践活动、改革创新教育机制为内容的学生创新能力培养模式,探索了一条适合校情的创新培养之路,极大地提高了学生的创新能力。

基于隐马尔可夫模型的机器状态趋势预测方法

隐马尔可夫模型(HMM)提供了反映机械系统运行状态及故障信息一种新的信号模型,通过HMM问题的求解,可获得反映机器运行状态特征的信号模型,并应用于机器运行趋势进行预测。

提高试井测试合格率的研究和应用

运用PDCA循环方法,对影响试井合格率的原因进行分析,找到了3项主要因素是:卡槽与打捞头滑脱、凸轮未打开、弹簧弹力不足,针对这3项要因提出了相应的改进对策,即改进卡槽坡度、加长凸轮长度、增大弹簧直径,实现了对试井控挂器结构的质量改进,提高了试井测试合格率。

陶瓷主轴特性的实验研究

通过实验说明了陶瓷主轴的热力学及动力学特性，并对陶瓷主轴的进一步应用作了展望。

基于免疫算法的智能故障诊断技术研究

研究在故障先验知识和特征信息缺乏的情况下,实现故障诊断的新方法。论述基于生物免疫学原理的负选择原理,提出改进的免疫算法及其匹配规则和算法流程;将改进的免疫故障诊断方法应用于机电系统的故障诊断。

旋转机械故障诊断监测专家系统中的时间序列模式识别技术研究

介绍了时间序列法进行故障模式识别的基本原理和优点，并由ＡＲ（Ａｕｔｏ－ｒｅｇｒｅｓｓｉｏｎ）时间序列模型入手，建立了旋转机械的信息距离判别函数。将这一方法应用到旋转机械故障诊断专家系统的模式识别规则库中， 并进一步进行了试验台试验。

生活垃圾混烧秸秆类生物质颗粒CO和NO的排放特性

选取典型秸秆类生物质颗粒掺混垃圾作为研究对象,利用自制燃烧试验平台,研究掺混比、温度、粒径及生物质种类等因素对垃圾掺混生物质颗粒燃烧过程中CO与NO释放规律的影响。试验结果表明:CO排放量随着混合燃料中棉花秆颗粒含量增加而减小;混合燃料中垃圾掺混量高于棉花秆颗粒时,焦炭氮燃烧峰值随棉花秆含量增加而增大,掺混量低于棉花秆颗粒时,焦炭氮燃烧峰值逐渐减小,掺混比为5:5时NO生成量最低。燃烧温度为850℃时CO生成量最低;NO峰值时间随温度升高向前偏移,排放量呈先增大后减小趋势,较高的反应温度有利于降低燃烧过程中NO生成量。随着燃料粒径减小,CO峰值浓度降低;存在粒径临界值(60~80目),当粒径小于临界值时,NO生成量随粒径减小而减小,大于临界值时,NO生成量随粒径增大而减小。垃圾混烧生物质颗粒后CO生成量显著降低;掺混同质量分数生物质颗粒试样中,生物质颗粒氮含量越高,混合燃料燃烧NO生成量越大。该研究可为实际生产中城市生活垃圾混烧生物质颗粒技术及污染物排放控制提供参考依据。

面向机电系统状态监测与故障诊断的现代技术

以现代技术为主线综述了机电系统运行状态监测与故障诊断技术的进展,阐述了机电系统运行状态监测与故障诊断方法及系统的发展;从技术流程的角度归纳了信号采集技术、信号分析与处理方法、故障诊断方法和机电系统状态趋势预测的先进技术;展望了基于网络的异地设备运行状态的远程监测与诊断技术以及基于虚拟仪器的监测与诊断仪器系统的新兴技术发展前景.

东濮凹陷桥口-白庙地区天然气分布与成因探讨

通过对桥口-白庙地区天然气地球化学及分布特征的分析研究,认为该区天然气主要有油型气、煤型气、混合气及深成气4种类型,各种类型的天然气分别具有不同的成因及成藏类型。桥口构造东翼深层天然气主要与葛岗集洼陷下第三系烃源岩有关,与煤系地层关系不大;白庙地区天然气与葛岗集洼陷及前梨园洼陷的烃源岩均有关,既有早期煤型气的充注,也有晚期油型气的充注,具有多源、多阶、多次充注复合成藏的特点。

非平稳振动信号分析中Hilbert-Huang变换的对比研究

Hilbert -Huang变换是一种信号分析新方法,特别适合于对非平稳信号进行分析。介绍该方法的基本理论,并利用它对一个典型的旋转机械非平稳振动信号进行分析。然后通过与利用短时傅里叶变换和小波变换所得到的分析结果的对比,研究Hilbert- Huang变换在分析一般非平稳振动信号中的优势和缺陷。最后结合实际应用中遇到的问题,简要论述Hilbert- Huang变换中的经验模态分解在分析频率成分非常靠近的复杂信号时的不足和原因。研究结果表明,Hilbert- Huang变换和其他方法相比,具有分辨能力强、自适应分解、物理意义清晰、信息完整、形式简洁和易于精确分析等优点;同时也存在具有端点效应、实时性稍差和难以将复杂信号中特别靠近的频率成分分解为独立的本征模分量的缺陷。

旋转机械的新息加权神经网络工作状态趋势预测研究

在面向旋转机械的神经网络工作状态预测中,存在着对新数据强调不足的缺陷,为了弥补原有的神经网络存在的缺陷,提出一种新的神经网络预测方法,即基于均值函数新息加权的神经网络预测方法。依据时间序列数据的新旧程度对预测值贡献的大小,通过均值函数赋给输入数据不同的权值系数,提高神经网络的预测精度。在旋转机械工作状态预测中取得较为理想的预测效果。

基于PXI总线的远程测控系统设计

介绍了一套基于虚拟仪器的远程测控系统,系统以多功能转子实验台作为被测对象,通过PXI采集平台和DataSocket技术实现数据的采集和远程通讯。整个系统柔性好,适应性强,不但可以用于实验室教学,还可以更广泛地应用到工业现场。

风力发电机组故障诊断专家系统研究

随着风力发电行业的不断发展,风力发电机的装机数量不断增加。由于其结构复杂和工作环境恶劣,极易发生各种故障。文章通过对风力发电机组故障诊断专家知识进行总结,使用ASP.NET平台开发和SQL Server 2008数据库,利用产生式规则和主观贝叶斯方法相结合实现推理,构建了风力发电机组故障诊断专家系统,通过人机交互实现对风力发电机组故障的在线诊断,并通过其知识库的不断维护更新来提高系统故障诊断的能力。

RBF神经网络在旋转机械故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度。讨论了RBF神经网络在旋转机械故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率。

色谱仪数据采集系统设计

以C8051F020单片机作为采集系统的控制核心,基于CH372接口芯片设计了高速数据采集系统。系统以计算机作为传输节奏控制方,重点提出了系统本地端的硬件设计和软件设计,并开发了一套上下位机间的通信协议。结合色谱仪系统进行实验调试,取得了阶段性的进展。实验表明:该通信协议很好地优化了本地端的程序代码,采用的CH372接口芯片大大提高了数据采集的精度和速度,很好地满足了可重复性测量,在实际应用中显著提高了工作效率,证明了该系统的可行性和优越性。

工业室内环境中建立增强现实系统模型研究

针对增强现实(AR)技术在工业领域的应用问题,提出了一个在工业室内环境下应用的增强现实系统模型。该模型主要针对工业中不会在较短时间内发生较大变化的室内环境,首先对头盔式显示器(HMD)采集的环境图像通过Harris检测算法来检测特征点,然后通过程序比对图像在特征点添加相关注释,最后将包含注释的现实图像显示在头盔显示器上。主要介绍了该模型的具体步骤及实现方法,Harris角点检测算法具有应对光强变化、图像旋转等特点,故增加了模型整体的鲁棒性。最后将该模型应用于风力发电机机舱内部环境进行验证,其中特征点检测部分可根据阈值调节特征点数的多少,实验中采用的特征点数为20,在图像匹配部分匹配程度超过85%,实验结果表明该模型实现了增强现实的功能。