质子交换膜燃料电池健康状态指标融合

基于信息论的方法,筛选出包含较多燃料电池性能“不可逆衰退”信息的外部操作条件,采用二次规划法将筛选出的外部操作条件与输出电功率进行融合,提出了一种融合健康状态(state of health,SOH)指标。与以输出电功率为SOH的指标相比,采用融合SOH指标,在单调性、单池衰退一致性和综合评价指标上分别提升了22.83%、91.96%和55.60%。

考虑健康状态指标与“记忆效应”的镉镍蓄电池SOC估算模型

如何通过在线监测的直接测量参数准确估计电池荷电状态(State of Charge,SOC)与健康状态(State of Health,SOH),是蓄电池管理系统建立的核心与关键。设计的SOC估算方法为镉镍蓄电池管理系统有效地监测蓄电池组性能状态和寿命状态提供基础,有助于动车组在运行过程中的安全预警;同时,为蓄电池检修与维护策略优化提供数据支撑,助力国家可持续发展战略。从蓄电池不同寿命阶段内的充电起始电压序列中提取出可描述当前最大容量的潜在特征,通过F检验(F-Test)与主成分分析(Principal Component Analysis,PCA)进行特征筛选与特征融合,获得蓄电池健康状态指标;由充放电循环试验中采集到的不同寿命阶段内的放电终止电压建立镉镍蓄电池“记忆效应”的近似表达函数;基于此,采用基于Bagging的随机森林构建放电过程中蓄电池两端电压与SOC间的关联模型,可在蓄电池放电过程中实现基于放电电压的SOC估算。最终,试验结果显示:通过SOC估算值与实际测量值的对比,得到模型均方根误差(Mean Square Error,MSE)和平均绝对误差百分比(Mean Absolute Percentage Error,MAPE)分别为0.1486和0.8112%,证明了所提出的SOC估算模型取得了较高的估算精度与较强的鲁棒性,为在线监测镉镍蓄电池SOC提供基础。

多特征指标锥齿轮健康状态评估方法研究

针对不同的故障状态,健康状态指标的敏感程度不同的问题,提出了一种基于时域同步平均的直升机尾传动锥齿轮健康状态评估指标方法。首先,采用时域同步平均的预处理方法,去除环境噪声的影响。然后对相应的指标计算,比较健康状态与故障状态的指标值的不同,从而得到特定故障状态的健康状态指标。最后通过对故障植入“盲”数据的分析,验证结果的有效性。试验表明,该方法对锥齿轮故障诊断有很好的效果。

基于因子分析的供水管网健康状态评价指标遴选

为筛选出代表性强、敏感度高的指标用于供水管网健康状态评价,对11个供水管网健康状态评价指标进行层次划分,并基于因子分析进行贡献度计算和敏感性分析。层次划分结果表明,评价体系包括外部环境对管道静态结构影响因素、管道内部静态结构影响因素、水质影响因素、水力影响因素;贡献度和敏感度分析结果表明,内外衬层、管径、节点流量与总流量比值、余氯、节点压力与服务最低压力比值、覆土厚度、管材、管龄8个指标应该作为基础的必选指标,并且应尽量提高内外衬层、管径、节点流量与总流量比值、余氯、覆土厚度、管龄数据的精度。

肝移植术后早期肺部感染的临床研究

目的了解肝移植术后早期肺部感染的发生率、危险因素,总结防治经验。方法回顾性分析31例肝移植患者临床资料。结果肝移植后早期肺部感染发生率为41.9%,其中革兰阴性杆菌感染占50%,革兰阳性菌和白念珠菌感染各占25%。感染组和非感染组在年龄、凝血酶原时间[(PT),国际标准化比率(INR)]、血肌酐(Cr)以及总胆红素(TBi)上差异均无统计学意义。术后早期肺部感染组Child积分、APACHEⅡ评分和终末期肝病模型(MELD)积分均显著高于非感染组。结论肝移植术后早期肺部感染发生率较高,革兰阴性杆菌是主要病原菌;患者术前营养状态、Child积分和MELD积分以及并发症与术后早期肺部感染密切相关。

基于云理论的隧道结构健康诊断方法

隧道健康状态诊断过程作为一个模糊系统,具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此,针对隧道结构健康状态诊断系统的模糊性和随机性特点,提出了基于云理论的隧道结构健康状态诊断方法.首先,建立反映隧道结构健康状况等级评语集的正态云模型.然后,依据逆向云发生器原理,将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云,用于表征各健康状态指标的重要程度.最后,运用云理论的计算方法对隧道结构健康状态等级进行诊断,得到健康状态等级诊断结果的云模型.应用云模型的改进方法,对某市地铁2号线盾构隧道结构健康状态进行了诊断,极大提高了诊断结果的可视化和鲁棒性.

体育专业学生自测健康状况分析

目的了解体育专业大学生自测健康状况及其影响因素，为采取健康促进措施提供依据。方法采用随机抽样法，对300名体育专业在校大学生应用《自测健康评定量表SRHMS V1．0》进行调查。结果体育专业大学生自测健康总体状况良好，其在自测生理、心理、社会健康子量表，自测健康总分及各观测维度终得分均在56．6分到95．00分之间。其中心理健康子量表得分情况最低。在男女大学生对比分析中，发现有6项维度男生得分情况优于女生，且在生理健康子量表、身体症状及功能维度得分情况差异有统计学意义（P〈0．05）。在与其他地区大学生测试情况的对比中，发现四川地区大学生在各健康子量表得分情况均处于中间水平。结论体育专业大学生自测健康状况良好，其心理健康方面是今后关注的重点。生理健康方面应在饮食卫生与餐饮规律性、休息睡眠、疲劳产生方面给予关注。

基于1D-MSCNN的轴承剩余寿命预测

轴承是旋转机械设备的基本部件,其状态与设备的安全运行密切相关。准确预测轴承的剩余使用寿命可以提高设备工作的可靠性,同时也可以为设备维护提供实用参考。卷积神经网络(Convolutional Neural Network,CNN)由于其较强的特征学习能力,在RUL预测方面取得了一定的成绩。然而,传统的卷积神经网络的固定尺寸卷积核难以学习到复杂信号的局部和全局特征。因此,论文提出了一种一维多尺度卷积神经网络(1D-Multi Scale Convolutional Neural Network,1D-MSCNN)预测模型用以实现轴承退化状态的准确估计。首先,利用一次退化函数,建立有效的轴承健康状态指标(Health Index,HI)。其次,采用多尺度卷积结构充分提取原始数据的深层代表性特征。最后,通过对PRONOSTIA数据集的实例研究,验证了所提出1D-MSCNN模型的有效性,并与其他预测方法进行了对比,验证了论文方法的有效性和优越性。