VPMCD和模糊熵在转子系统故障诊断中的应用

针对转子系统的故障特征,提出了基于多变量预测模型(variable predictive mode based class discriminate,简称VPMCD)和模糊熵的故障诊断方法。VPMCD方法是根据所提取的全部或部分特征值之间具有的某种内在关系建立预测模型,并以建立的变量预测模型进行模式识别。首先,对转子振动信号进行经验模态分解(empirical mode decomposition,简称EMD),得到若干个内禀模态函数(intrinsic mode function,简称IMF)分量;接着,提取包含主要故障信息的前几个IMF分量的模糊熵组成故障特征向量矩阵;然后,采用VPMCD方法建立预测模型;最后,通过建立的VPMCD预测模型区分转子的工作状态和故障类型。实验分析结果表明,基于VPMCD和模糊熵的故障诊断方法可以准确、有效地识别转子系统的工作状态和故障类型。

大同-阳高地震水位异常的模糊识别与预报

采用模糊数学从属函数和异常系列方法，以大同－阳高地震为例，对强震发生的时间与地点预测进行研究。结果表明：模糊数学从属函数方法是提取水位异常的较好方法。强震发生前在一定区域内，水位群体异常在不同时间尺度上显示出增长和加速变化图象，这种图象可作为预报强震发生时间的标志。水位变化值异常的集中分布区与水位异常井位置在空间呈两组条带展布时。

自适应T-S模糊多模型在汽包水位滑模预测控制器设计中的应用

针对船舶增压锅炉汽包水位随时间变化及船舶运行的非线性等特点,本文运用自适应T-S模糊多模型进行汽包水位滑模预测控制,并利用减法聚类进行前件辨识,利用最小乘法进行后件规则的在线自适应辨识。最后将本文算法与RBF动态补偿控制进行对比,以此来说明本文算法的鲁棒性强。

基于EMD-LSTM耦合模型的趵突泉岩溶地下水水位预测应用

由于岩溶地下水具有强烈的非线性及非平稳波动特征,水位预测结果容易产生较大误差。针对岩溶地下水水位预测精度较差的问题,提出一种EMD-LSTM耦合模型,首先采用经验模态分解(EMD)将趵突泉岩溶地下水水位分解为5个分量(4个本征模函数项和1个残余项),以此消除水位数据的非平稳波动性;同时构建长短期记忆(LSTM)神经网络模型,并将与地下水水位动态变化密切相关的降水量(表征含水层补给项)和月平均气温值、月最高气温值、月最低气温值、水汽压值(表征含水层排泄项)作为输入项分别对5个分量进行预测,最终将分量预测结果累加获得地下水水位预测值。结果表明:EMD能够显著消除岩溶地下水水位的非平稳波动特征;EMD-LSTM耦合模型可有效提高岩溶地下水水位的预测精度,其均方根误差相比于LSTM神经网络模型、ARIMA模型分别减小了27.86%和59.94%。总体来说,本文所提出的EMD-LSTM耦合模型具有较强的可靠性和稳定性,可为岩溶地下水水位的精确预测提供借鉴。

地下水位动态预测的模糊模式识别法

根据地下水位与影响因素之间存在的映射关系，采用相关分析法确定地下水位的主要影响因素，并分别将已知地下水位及待预测地下水位样本的影响因素作为论域中的两个子集，提出用模糊模式识别法，进行地下水位的动态预测。实例表明，该法预测成果精度较高，具有一定的推广价值。

基于EEMD模糊熵和PSO-KELM的NPC三电平逆变器故障诊断

功率开关器件是逆变器的核心部件,但其易发生开路故障,故对其进行故障诊断方法研究很有必要;针对中点钳位型(NPC)三电平逆变器功率开关管器件的开路故障,提出一种基于总体经验模态分解(EEMD)模糊熵和粒子群算法(PSO)优化的核函数极限学习机(KELM)的故障诊断方法;首先采样功率开关器件的桥臂输出端的三相电压作为故障信号以区分各种故障类型,然后利用EEMD模糊熵提取故障特征向量,最后将其划分为训练集和测试集送入PSO-KELM中,识别故障类型并输出诊断结果;经Matlab平台仿真实验得到该方法的故障诊断率超过98%,通过与其他方法的对比实验分析,该方法的有效性与优势得到验证。

矿区地下水质量评价及预测

为了保证矿区合理、安全利用地下水资源,科学选取水源井位置,实验选取西部某矿区21个水样点,分别利用模糊模式识别法、熵权模糊综合评判法等方法,对矿区地下水水质等级进行了评价,并预测了矿区水质演化趋势。结果表明,模糊模式识别法对矿区地下水水质的评价更为合理,其评价结果为今后矿区水源井位置的选取提供了参考和依据。