基于多元状态评估和相关分析的振动故障诊断

针对运行状态汽轮发电机轴振、瓦振异常预警及其原因诊断困难问题,提出一种基于多元状态评估(multivariate state evaluation technology,MSET)和相关分析(correlation analysis, CA)的故障诊断方法。首先基于MSET和滑动窗口计算当前评价窗口内参量估计值与其运行值的残差;其次计算当前评价窗口内参数间相关系数与状态矩阵中对应相关系数的残差;再次通过为各参数相对偏差均值或残差均值、各相关系数残差设定阈值,从而提取出异常特征;最后基于异常特征和欧式距离进行振动异常预警和异常故障诊断。利用掌握的汽轮发电机运行数据测试验证,测试结果表明,所提故障诊断方法切实可行,与单一的参数自身变化评价或相关分析相比,可提取更多异常或故障特征,具备多故障诊断分析能力,更有利于振动异常预警和提高故障诊断准确性。

相关性分析和自适应遗传算法的入侵特征选择

为了获得理想的网络入侵检测率,保证网络的正常运行,文章提出了一种相关性分析和自适应遗传算法(correlation analysis and adaptive genetic algorithm,CA-AGA)的网络入侵特征选择方法。首先采用相关性分析对网络入侵原始特征进行降维,删除其中的冗余特征,然后采用自适应遗传算法找到最优特征子集,最后采用支持向量机(support vector machine,SVM)作为分类器,并采用KDD 1999数据进行验证性实验。结果表明,文章提出的方法可快速选择入侵检测的最优特征子集,能够提高网络入侵检测率和速度。

7种不同提取方式对香露兜挥发性成分的影响

为了解不同提取方式对香露兜挥发性成分的影响,以采自海南兴隆的香露兜成熟鲜叶为研究对象,采用100%甲醇蒸馏法、75%乙醇蒸馏法、100%乙醇蒸馏法、75%乙醇超声波辅助法、100%乙醇超声波辅助法、75%乙醇浸提法和100%乙醇浸提法7种不同方式进行提取,利用气相色谱-质谱法(GC-MS)测定各提取物的挥发性成分,并结合主成分分析(PCA)和相关分析(CA)对其组成和含量差异进行比较分析。结果表明,7种不同提取方式共鉴定出52种挥发性成分,主要由酯类、醇类、酮类、烯烃类、吡咯类物质组成,100%甲醇蒸馏法未检测出关键特征香气物质2-乙酰-1-吡咯啉(2-AP),其余6种方式提取物均有检出,含量变幅为1.21~37.48μg/g;7种香露兜提取物相关性系数平均值为34.80%±7.20%,PCA分析将7种提取方式分为3组:75%、100%乙醇超声波辅助提取法和75%、100%乙醇浸提法主要挥发性成分为叶绿醇、角鲨烯、3-羟基-2-丁酮、棕榈酸乙酯、羟基丙酮、3-甲基-2-(5H)-呋喃酮和2-AP,75%和100%乙醇蒸馏提取法主要挥发性成分为硬脂酸甲酯、2-AP、(E)-7-四癸醇和棕榈酸甲酯,100%甲醇蒸馏提取法主要挥发性成分为(Z)-十六烯酸甲酯、苯乙烯、十四酸甲酯、十五碳酸甲酯。由此说明,香露兜7种不同方式提取物3个组间挥发性成分的组成和含量存在差异,这为香露兜产品精深加工提供了理论依据。