基于LE-ISTOA-SVM的聚合釜化工过程故障诊断

聚合釜是制备高分子化合物的最主要设备,其能否稳定的运行关系到产品的质量以及人员、设备的安全。但是,现代化工生产流程非常复杂,化工过程诊断数据具有高维非线性的特点。提出了基于LE-ISTOA-SVM的聚合釜化工过程故障诊断方法。首先,使用拉普拉斯特征映射算法(Laplace Feature Mapping Algorithm,LE)对故障数据进行降维。然后,使用改进乌燕鸥优化算法(Improved Sooty Tern Optimization Algorithm,ISTOA)优化SVM(Support Vector Machine,SVM)的参数来提高其性能。最后,利用聚合釜的实验数据做仿真测试。测试结果表明,该方法有较好的诊断效果。

基于改进动态核主元分析算法的化工过程故障检测

为克服工业过程数据的非线性、动态性等限制,提出基于希尔伯特黄变换的动态核主元分析算法(HHT-DKPCA)。首先用标准化正常数据计算均值和标准差,之后对原始数据进行标准化。然后对协方差矩阵进行特征分解,将数据映射到低维空间。HHT变换去噪前对每个主元变量进行降维,然后将去噪后的数据重新映射到高维空间,并重新计算T^(2)和SPE。将HHT-DKPCA与PCA、KPCA、DKPCA、HHT-PCA在TE过程故障数据上的处理结果进行比较,结果表明,HHT-DKPCA具有更高的故障检测率。

基于DAE-BP神经网络的化工过程质量预测

BP神经网络因具有良好的非线性拟合能力,在建立预测模型中得到广泛应用;但化工过程数据不仅存在非线性特征,而且难以避免受噪声影响,造成数据波动从而影响预测模型准确性;为此,提出一种降噪自编码器融合反向传播算法(简称为,DAE-BP)的化工过程质量预测方法;首先,采用无监督学习模型降噪自编码器完成初始数据的噪声消除,其具有噪声鲁棒性的特点,在数据受到损坏的情况下可尽可能地恢复数据的原始状态,有利于进一步的质量预测;在此基础上,将获取的数据特征作为有监督学习模型BP神经网络的输入以获得可靠的预测结果;在脱丁烷塔化工过程实例上验证方法有效性;并与单一BP算法、主成分分析(PCA)及自编码器(AE)改进的BP算法作为对照;结果表明,经过DAE改进后的BP算法预测误差为1.2%,相比单一的BP算法提高了3.2%精度,较PCA-BP及AE-BP预测误差精度分别提高了2.3%、1.9%,表现出最好的预测性能。

基于深度聚类的化工过程故障诊断

该文提出一种深度聚类(deep clustering,DC)故障诊断算法,将特征提取与聚类两部分产生的误差融入模型训练损失函数中,统筹误差调整系统参数,提升模型精度。首先采用深度卷积自编码器提取过程数据深层次特征,对数据进行卷积操作能够保持原始数据结构完整性,同时将聚类误差引入到网络损失函数中,完成参数优化和聚类任务。以田纳西-伊斯曼(TE)过程为实验对象对所提方法进行性能评价实验,并与基于AE-kmeans聚类算法进行对比,验证了所提算法的有效性。

能源控制系统网络信息安全仿真平台构架与应用研究

以由控制层、仿真层、监控层组成的控制系统为背景,采用S7-1200 PLC作为仿真器,构建一个模拟真实生产环境的信息安全仿真平台,实例化某能源企业控制系统组成和网络拓扑结构,模拟仿真现场设备.在不影响企业正常生产运行的情况下,利用攻击回放技术,在平台模型上成功还原了攻击效果,实现了攻击溯源、针对性开展安全防御、主动防御等效果.将研究成果应用于企业,降低了企业安全隐患,为能源系统信息安全维护作出了巨大贡献.

改进KnEA的二级斜齿圆柱齿轮减速器优化设计

在实际工程中,复杂的多目标问题是导致优化结果收敛性和多样性损失的重要因素。为了提高优化算法在复杂问题中维持解多样性和收敛性平衡的能力,提出了基于KnEA(A Knee Point Driven Evolutionary Algorithm)的辅助点进化算法。首先,该算法借助进化过程中有明显趋势的拐点作为邻域空间的中心;其次,通过分析邻域空间中的拐点与上一代拐点之间的关系,从侧面来定量分析了邻域空间的潜力;再次,为了解决对复杂问题优化过程中收敛性不足的缺陷,提出了根据邻域空间的进化潜力来增加辅助点的策略,进一步地提高了进化过程中的空间搜索能力。在种群的环境选择中,优先选择拐点和辅助点进化下一代,以此平衡种群的收敛性和多样性。将该算法在多目标测试问题上与流行的算法进行了比较,实验结果表明提出的算法在多目标问题优化中有明显优势。最后,将该算法应用到二级斜齿圆柱齿轮减速器优化设计当中。

利用振动幅值进行滚动轴承外滚道故障定位

滚动轴承在机械传动中占有十分重要的地位,其运行状况直接影响着机械的运行效率。因此,对滚动轴承故障的研究具有十分重要的理论意义和现实意义。该文章在故障诊断的基础上提出一种故障定位的新方法。该方法利用三个振动传感器采集滚动轴承运行过程中的振动信号,然后利用相关分析法与EMD算法对其进行去干扰处理,提取振动信号的幅值,并计算其衰减量。利用三个传感器采集到的三处振动信号衰减量来分析计算故障的准确位置。该方法简单,提取特征值少,定位精度高。且该方法不仅能准确定位滚动轴承外滚道单点故障,而且可同时定位出多个故障点。这在以往的定位方法中是很难实现的。

基于SSA-RVM的滚动轴承可靠度评估与预测

为解决滚动轴承运行可靠度预测问题,这里提出了基于麻雀搜索算法-相关向量机的滚动轴承可靠度预测方法。首先对轴承振动信号在时域、频域及时频域构成的维数较高的向量集利用主成分分析算法进行降维;然后将降维后的特征集作为轴承的退化状态特征输入到逻辑回归模型中,进行滚动轴承可靠性评估;然后将轴承的性能退化状态特征作为麻雀搜索算法-相关向量机模型的输入,获取预测结果;最终把结果带入到逻辑回归模型中,预测轴承的运行可靠度。实验结果表明提出的算法在预测滚动轴承运行可靠性中具有明显优势。

基于特征选择和ELM神经网络的轴承可靠性预测

针对滚动轴承可靠性预测问题,提出了基于特征选择和ELM网络的可靠性预测方法。首先,对振动信号提取特征,构成特征参数初选集;其次,引入单调性、相关性、鲁棒性三个特征评价指标对特征参数初选集进行特征评价,并定义了一种新的限制性指标,得到可以反映轴承退化过程的参数,构成退化特征参数集;再次,对退化特征参数集进行维数约简,构成低维特征向量集;最后,以退化特征参数集和特征向量集分别为输入数据和标签带入ELM网络中做可靠性预测。通过西安交通大学轴承振动信号数据集证明了该方法的有效性。

一种参数自适应VMD应用于轴承故障特征提取

针对传统的变分模态分解(VMD)需要预先设置模态个数和惩罚参数,提出了一种基于麻雀搜索算法(SSA)的参数自适应VMD方法。首先,引入一种新的测量指标-相关脉冲,该指标能反映出原始信号与分解模态之间的相关性,并且能有效突出包含丰富信息的模态。其次,基于相关脉冲指标,采用麻雀搜索算法选择最优VMD分解参数。最后,通过最大相关脉冲指标对模态分量进行分析,利用希尔伯特包络谱进行频谱分析。此外,将故障轴承放在轴承寿命试验台上进行仿真验证,实验结果表明该方法在轴承故障特征提取上具有可行性。

基于改进PCA的复杂多阶段过程故障检测

为解决复杂多阶段过程难以进行有效监控的问题,提出了时空近邻标准化和主成分分析的故障检测方法。TSNS使用从时间到空间上嵌套近邻集的均值和标准差标准化各阶段样本,能够将多阶段数据高斯化为单一阶段的数据,分离故障样本,同时去除前后时刻样本间的时序相关性。TSNS能帮助PCA有效克服动态性、非线性和多阶段特征的影响,显著提高PCA的故障检测率。通过使用青霉素发酵过程设计故障检测实验,将TSNSPCA与一些经典方法进行比较,发现其具有更高的故障检测率。

红外探测器芯片高可靠性键合工艺研究

金丝键合工艺广泛应用于红外探测器的封装环节。实验选用25μm金丝,基于正交试验法,根据键合拉力值确定键合的最佳工艺参数。通过优化超声压力、超声功率、超声时间及接触力等工艺参数组合,改善了键合引线的电气连接性能和连接强度,从而提高芯片系统的信号传输质量。提出的引线键合工艺参数组合适用于红外探测芯片的键合。

基于频域特征提取与信息融合的磨机负荷软测量

提出了基于频域特征提取与多传感器信息融合的磨机负荷(ML)软测量新方法。针对磨矿过程主要依靠人工经验定性判断ML状态,难以定量检测ML参数的现状,通过融合磨机筒体振动、振声及驱动电机电流信号,建立了以料球比、矿浆浓度、充填率为输出的ML软测量模型。该方法首先采用快速傅里叶变换(FFT)将时域振动及振声信号转换为频谱变量,再对频谱变量通过主元分析(PCA)进行谱特征提取,然后采用径向基函数(RBF)变换生成的激活矩阵实现谱特征的非线性映射,最后采用偏最小二乘(PLS)算法建立以谱特征、激活矩阵、电流信号为输入的回归模型,从而有效克服了多传感器信息之间及RBF变换引起的多重共线性等问题。实验表明,该方法能够较准确地检测ML参数,融合多传感器的软测量方法具有更好的预测效果。

汽车前底盘装配视觉检测系统设计与应用

为解决汽车底盘混流装配错装、漏装和人工检测效率低的问题,设计了基于YOLOv3-Tiny的在线检测系统。该检测系统利用4套光源-相机组合的成像系统,从多角度获取前底盘模块的全貌图像,利用基于差分统计的条纹识别算法剔除低质量图像;根据检测目标特性,简化非极大值抑制算法,优化检测过程。实验和现场运行结果表明:检测系统目标无遮挡检出率达到100%,综合识别准确率达到99.95%,平均检测时间3.5 s,较之前人工检测效率提升94.55%,检测系统具有较高的准确度和检测效率,在汽车工业中实现了柔性化和智能化的目标检测应用。

基于模型预测控制的无人帆船轨迹跟踪方法

[目的]面向无人帆船在水面、水下跨域异构海洋机器人的协同作业场景,提出基于模型预测控制(MPC)的无人帆船轨迹跟踪方法。[方法]针对“海鸥”号无人帆船,建立其动力学模型及运动学模型,通过分析无人帆船动力学特点及执行器约束条件,构建MPC目标函数及系统约束条件,将无人帆船的轨迹跟踪问题转化为优化问题,并利用Matlab软件开展仿真实验验证。[结果]仿真结果表明,与“帆–舵”分离的PID轨迹跟踪控制方法相比,所提出的无人帆船“帆–舵”联合MPC控制方法更便于添加约束条件,其在风向变化的情况下能以更小的轨迹跟踪误差来更快地收敛于指定轨迹,且其可以实现逆风折线航行。[结论]研究成果可为无人帆船的帆、舵控制提供新的思路,提高其轨迹跟踪能力,进一步为无人帆船与AUV的高效协同作业提供技术保障。

优化随机森林模型的工控网络异常检测

针对现有Modbus TCP协议的异常检测效率和准确率低的问题,提出了一种基于混合鲸鱼算法优化的随机森林异常检测模型。该模型将柯西变异和自适应动态惯性权重相结合,利用柯西变异算子增加种群多样性,避免算法陷入局部最优;引用自适应动态惯性权重因子提高种群的全局搜索能力,使算法的收敛速度加快。仿真实验结果表明,该模型相较于其他分类算法有着更高的准确率和较强的适应性,证明了模型在实际应用中具有较高的检测精度。

可变形模块化履带机器人构型转换原理与验证

为实现机器人在不同环境中能够通过改变自身构型跨越障碍并完成任务,需对可变形模块化履带机器人构型之间的相互转换进行研究。以具有27种构型的机器人为研究对象,该机器人构成一个构型网络,每种构型被定义为加权定向构型网络中的一个节点。从一种构型到另一种构型的转换由非负权值的有向路径表示,权值均为1。采用Floyd算法,通过对距离矩阵和路由矩阵的迭代计算,求出构型网络中任意2种构型之间相互转换的最短步数与经过的中间构型。实物实验给出了可变形模块化履带机器人27种构型之间的相互转换以及面对不同环境以不同的构型应对的结果。实验结果表明,该机器人可以通过最短路径实现构型之间的相互转换,并且随着所处环境的不同,机器人可以改变自身构型顺利跨越障碍并完成任务。

基于生物3D打印技术的水凝胶器官芯片及其灌注平台

针对水凝胶组织支架细胞球培养过程中存在着缺乏相关设备和实验平台的问题,采用生物3D打印技术和动态灌注培养的方法,设计制作了一种双通道水凝胶器官芯片,并搭建了一套灌注培养平台。采用聚苯乙烯荧光微球模拟细胞球的灌注过程,通过有限元仿真分析了不同流速下(0.849、2.547、4.244 mm/s)微球灌注时,通道不同位置流速和剪切应力的变化。设计了聚苯乙烯荧光微球动态灌注实验,基于仿真结果分析了流速对微球流动状态与贴附的影响。实验结果表明:灌注液在通道截面中心位置的流速最大,在通道周围趋近于静止,有利于微球沉降。灌注液流速为2.547 mm/s时,微球受到的最大剪切应力约为0.17 Pa,可以大量堆积在通道分支内。该研究可以为胰岛等细胞球在水凝胶器官芯片内的灌注和培养提供技术参考。

PSO-Fuzzy-PID复合控制器在喉栓调节发动机压强控制中的应用

为了改善喉栓调节发动机的燃烧室内压强控制系统的性能,实现精确闭环控制,建立了系统的数学模型,并在此基础上提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)算法的Fuzzy-PID复合控制器(PSO-Fuzzy-PID)。由于模型具有较强的时变性、扰动性以及非线性,传统的PID控制器无法精确控制,因此设计并使用PSO-Fuzzy-PID复合控制器。Fuzzy控制器和PID控制器同时工作,采用PSO算法对Fuzzy控制器和PID控制器的输出比例因子进行优化。通过仿真对比了PSOFuzzy-PID复合控制器、Fuzzy-PID双模控制器和传统PID控制器在系统的工作点(6 MPa)附近的阶跃跟踪、时变性测试以及在非线性模型中的抗干扰性测试、长时间全压强范围调节测试,来验证控制器的动态性能。结果表明:在不同的实验中,PSO-Fuzzy-PID复合控制器均表现出明显的优势。该控制器可以将超调量控制在10%以内;将调节时间控制在1.5 s以内,将压强的调节速度提高至Fuzzy-PID双模控制器的3.45~6.73倍,传统PID控制器的4.51~7.1倍。因此PSO-Fuzzy-PID复合控制器在响应速度、超调量、鲁棒性强等方面更具优势,显著地提高了喉栓调节发动机的燃烧室内压强控制系统的动态性能。

融合时/频信息的磨矿过程磨机负荷软测量

磨机负荷(ML)是磨矿过程的重要参数,能否准确地确定ML状态及ML参数直接影响磨矿产品的质量、产量及设备安全.针对实际生产中只能依据专家经验判断ML状态,难以检测与ML及ML状态直接相关的ML参数的问题,本文提出了融合时频信息的ML软测量策略和相应的软测量方法.该方法首先求取磨机筒体振动及振声信号的频谱,再采用自适应遗传算法—偏最小二乘(AGA-PLS)选择频谱特征,然后融合时域电流信号,基于PLS算法建立融合时频数据特征的ML参数检测模型,最后通过规则推理模型判别ML状态.通过实验球磨机的磨矿过程验证了该软测量方法的有效性.