基于ASOS-ELM的湿式球磨机负荷软测量方法

针对湿式球磨机在磨矿过程中内部负荷靠专家经验难以准确预测的问题,提出一种基于改进的共生生物搜索(ameliorated symbiotic organisms search,简称ASOS)-极限学习机(extreme learning machine,简称ELM)的磨机负荷软测量方法。首先,利用ELM算法建立磨机负荷软测量模型,运用ASOS算法优化软测量模型的隐含层参数;其次,以筒体振动与振声信号的特征信息构建磨机负荷特征向量,并将其作为软测量模型的输入,将磨机负荷参数作为输出;最后,通过磨矿负荷检测实验和对比分析表明,磨机负荷软测量模型的负荷参数预测准确率较高,泛化能力较强,为磨机磨矿效率的提高及控制优化提供了有益的指导。     

基于RBF神经网络的多转子故障类型诊断

对多转子系统中转子故障诊断进行了研究,以转子正常、偏心、不平衡和弯曲四种工作状态为例,采用径向基函数(RBF)神经网络对故障进行诊断.通过快速傅里叶变换和能量谱对转子振动信号进行特征提取,并将提取的特征向量作为神经网络的输入,实现多转子故障类型的识别.结果表明,利用能量谱和RBF神经网络能够有效地识别转子故障类型.     

基于数据融合和“能量-损伤”的结构状态特征提取

基于一致性数据融合算法和小波包分析,提出了结构状态特征提取方法。采用改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,并采用"能量-损伤"特征提取技术对融合后的多传感器测量数据进行处理。利用5层框架结构的数值算例对比了结构各层加速度信号与融合后加速度信号构造的特征向量。结果表明,融合后加速度信号构造的特征向量包含了结构不同位置的不同状态信息,能够全面描述结构的工作状态。     

基于DBN-ELM的球磨机料位软测量方法研究

针对采用传统方法建立球磨机料位软测量模型存在测量精度不高和稳定性较低的缺点,提出一种结合深度信念网络和极限学习机的软测量方法。该方法以球磨机轴承振动信号为辅助变量,采用深度信念网络进行振动信号功率谱的特征提取,然后将提取的有效特征输入极限学习机进行模型训练,得到软测量模型。最后在小型实验室球磨机上进行试验和模型验证。结果表明,该方法与传统方法相比具有较高的测量精度和较好的稳定性。     

单时频谱非负矩阵编码与解调的特征提取

非负矩阵分解(NMF)作为一种矩阵分解以及非线性维数约简工具,被广泛用于多样本振动时频谱的分解编码以及特 征提取,但单样本振动时频谱的 NMF 编码、尤其 NMF 分解向量与振动时频谱分量间关联关系尚缺乏探讨。 阐述了单时频谱编 码与解调的特征提取原理,重点分析了 NMF 对单时频谱基于部分的特征表示能力、单时频谱 NMF 基向量的带通滤波幅频特性 (BFAC)、以及 NMF 编码向量与时频谱分量的同步变化特性。 提出单时频谱 NMF 编码与解调的两种特征提取新方法,即基于 NMF 基向量的滤波解调和 NMF 编码向量直接解调,定义一种 BFAC 指数指标和基向量归一化的 NMF 编码优化迭代规则分别 用于 NMF 低维参数自适应选取和优化求解过程。 将所提方法用于仿真信号以及齿轮箱振动信号分析,6. 4 k 长度数据在给定 因子分解秩和 NMF 最大迭代 300 次终止条件设定下的特征提取用时约 3. 5 s,同时实现了对信噪比为-10 dB 仿真信号以及多 故障齿轮箱振动信号中故障特征的提取。     

广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法

针对强背景噪声下滚动轴承故障冲击特征难以提取的特点,提出了基于广义S变换时频谱SVD降噪的滚动轴承故障冲击特征提取方法。利用广义S变换时频分辨率高,时频谱能量集中,适合处理与分析非平稳冲击信号的特点,将广义S变换时频谱系数矩阵作为SVD的Hankel矩阵,以奇异值差分谱峰值群最后一个峰值点对应的奇异值作为置零阈值,最后对降噪后的数据矩阵进行广义S逆变换得到时域冲击特征信号。仿真及实际研究表明,该方法能够有效地提取出低信噪比信号中的周期性冲击特征,并能够有效地提取轴承故障振动信号中的冲击特征频率。     

基于CSLBP的轴承信号时频特征提取方法

针对滚动球轴承振动加速度信号特征提取问题,提出一种基于中心对称局部二值模式(center-symmetric local binary pattern,简称CSLBP)的时频特征提取方法。首先,利用广义S变换对滚动球轴承振动加速度信号进行处理,通过采用时频聚集性度量准则自适应地确定广义S变换的调整参数,从而获取时频分辨性较好的二维时频图;然后,计算二维时频图的CSLBP,提取CSLBP纹理谱描述滚动球轴承振动加速度信号的时频特征。对滚动球轴承正常、外圈故障、内圈故障和滚动体故障4种不同状态的振动加速度信号进行了研究。结果表明,CSLBP纹理谱能有效地表达滚动球轴承振动加速度信号的时频特征,与局部二值模式(local binary pattern,简称LBP)和统一模式LBP纹理谱相比,CSLBP纹理谱具有特征维数低和区分性能好的优点。     

基于敏感分量融合的液压泵退化特征提取方法

液压泵退化特征提取是实现故障预测的关键环节。在液压泵性能退化过程中,其振动信号复杂度高、非线性强,难以有效地提取退化特征,为此,本文提出一种基于敏感分量融合的退化特征提取方法。采用改进局部特征尺度分解(ILCD)方法对振动信号进行分解,并利用贝叶斯信息准则与所构建的敏感因子,对内禀尺度分量进行筛选,以减少干扰分量的影响,得到敏感分量,有效抓取特征信息;在此基础上,引入离散余弦变换代替传统复合谱分析中的傅里叶变换,提出离散余弦变换-复合谱(DCS)算法,以解决信息遗漏问题,并利用DCS对敏感分量进行融合,提取复合谱熵作为退化特征,以提高对退化过程的表征能力;最后,通过对液压泵性能退化试验实测振动信号的应用分析,验证了该方法的有效性。     

基于最小熵解卷积的谱峭度法在行星齿轮箱故障诊断中的应用

针对噪声干扰状态下行星齿轮箱故障诊断中的齿轮故障特征提取,提出最小熵解卷积与谱峭度结合(Spectral Kurtosis Method based on Minimum Entropy Deconvolution,MEDSK)的行星齿轮箱齿轮故障特征提取方法。利用MED对原始扭转振动信号进行预处理,抑制信号中的噪声干扰,提升行星齿轮箱中被噪声淹没的故障冲击成份。利用谱峭度对预处理后的信号选择最优的带通滤波器参数进行带通滤波,然后通过Hilbert变换进行包络解调,最后将解调出来的低频信号进行频谱分析得到MED-SK方法的包络谱。通过对仿真信号和承受多种载荷状态下采集到的行星齿轮箱输出轴实际行星齿轮故障扭转振动信号进行分析,验证了这种方法能准确地提取行星齿轮故障特征。     

路图傅里叶变换及其在滚动轴承故障诊断中的应用

图信号处理(Graph signal processing, GSP)是由谱图理论发展起来的新研究领域。图傅里叶变换(Graph Fourier transformation, GFT)是图信号关于图拉普拉斯矩阵特征函数的展开,也是GSP的基础。对路图的GFT进行分析,发现GFT得到的特征值谱与经典的傅里叶变换(Fourier transformation, FT)频谱有一一对应关系,同时,特征值谱的幅值与特征矢量也有对应关系。将GFT引入滚动轴承故障诊断,提出基于GFT特征提取和K-均值聚类的滚动轴承故障诊断方法。该方法先用GFT将滚动轴承的路图信号变换到特征值谱域;再计算特征值谱的统计量作为故障特征;最后运用K-均值聚类分类器识别滚动轴承的故障类型。对实际轴承振动信号的分析结果表明,基于GFT和K-均值聚类的故障诊断方法能准确有效地识别滚动轴承故障。     

基于混合建模的磨煤机一次风量预测算法研究

针对直接拟合得到的磨煤机一次风量黑箱软测量模型收敛性差、预测准确度较低的问题,在对风量测量进行机理特性分析的基础上,建立了一种以黑箱建模为主的结构逼近式混合软测量模型。黑箱模型部分采用最小二乘支持向量机(LSSVM)算法,并将机理特性融入到LSSVM模型中,经过输入变量类变换层的整合,将辅助变量中的压力信号转换为差压类、压力与温度的比值作为密度类、与一次风管路阻力相关的测点信号转换为风门风阻类,作为LSSVM模型的输入变量。应用电厂实际运行数据对一次风量进行预测,与直接拟合的预测效果相比,所建立的混合软测量模型收敛性好、预测精度高(引用误差波动0.54%),可为电厂生产中控制合理的风煤配比关系提供准确度更高的一次风量预测值。     

模糊-PID控制在球磨机中的应用

鉴于当前国内球磨机负荷控制存在的主要问题,建立了球磨机控制系统的数学模型。在对球磨机磨矿特性进行分析的基础上,基于常规PID控制和模糊控制理论,提出了模糊-PID控制方案,然后用matlab对提出的控制方案的控制效果进行了仿真研究。结果表明,使用模糊-PID控制,能够实现参数的在线调整,球磨机有更好的控制效果和更强的适应能力。     

Analysis of Tribological Performance of Cu Hybrid Composites Reinforced with Graphite and TiC Using Factorial Techniques

In this study, a copper hybrid metal matrix composite reinforced with graphite (5, 10, and 15 vol%) and TiC (5, 10, and 15 vol%) was processed by a powder metallurgy route. Optical micrographs confirm the uniform distribution of reinforcements in the copper matrix. The hardness of the composites decreased with the addition of graphite. However, the addition of TiC into the copper matrix increased the hardness of the composites due to its high hardness. The influence of graphite percentages, load, sliding speed, and sliding distance on the wear of the as-sintered hybrid composites was studied based on the design of experiments. Analysis of variance (ANOVA) was used to study the effect of the parameters on the wear weight loss of the hybrid composites. The weight loss due to wear of the hybrid composites decreases from 0.1345 to 0.0830 g as the volume percentage of graphite increases from 5 to 15%. Results indicated that the normal load has greater static influence of 43.85%, sliding distance has an influence of 29.84%, percentage of graphite has an influence of 15.17%, and sliding speed has an influence of 1.83% on the weight loss of copper hybrid composites due to sliding wear. The worn-out surfaces were analyzed using electron microscopy, which reveals that the addition of both hard ceramic reinforcement TiC and soft solid lubricant graphite significantly improves the tribological performance of the copper composites.     

最大概似法在多普勒激光测风雷达中的应用研究

为了从相干多普勒测风激光雷达的微弱气溶胶后向散射信号中高效、准确地提取多普勒频移信息,得到最接近CRB极限的无偏估计,利用气溶胶后向散射信号统计特性,建立了相干多普勒激光雷达仿真模型,并用最大概似法(ML)推导了在功率谱宽度已知情况下多普勒频率的估计算法。利用1.54μm全光纤相干激光雷达系统获得风场测量数据,用ML算法进行多普勒频移估计,并将结果与传统的周期图最大值法(PM)所得结果进行比较。对比表明,ML算法与PM算法的数据处理结果有较好的一致性,并且ML算法的多普勒频率探测能力更优。     

空气耦合超声信号的小波阈值滤噪试验研究

穿透式空气耦合超声检测中,由于较低声波透射率、激励接收系统噪声及声波在介质中的散射噪声导致接收信号信噪比较低,小波阈值滤噪技术在解决上述问题时面临小波基、分解层数及阈值函数的选取难题。基于小波分析的基本原理,以单因素分析方法开展小波阈值滤噪试验研究。选择不同小波族(Daubechies,Symlet和Coiflet)中的小波基、小波分解层数(4～8层)及阈值函数(软阈值及改进阈值函数)对实际含噪超声信号进行小波阈值滤噪处理,并通过对比滤噪信号的信噪比及频谱特性得出不同参数对滤噪效果的影响。结果表明,选择Coiflet小波族中的小波基能获得具有更高信噪比及透射信号幅值的滤噪信号;分解层数越高,滤噪信号的信噪比越高,但增长趋势渐趋稳定;阈值函数对滤噪性能的影响并不十分显著,一般采用软阈值函数或改进阈值函数就能获得良好滤噪效果。     

Design of a soft sensor for the estimation of oil temperature in Parabolic Solar Collector

The soft sensors are instrumental in inaccessible variables measurement. In this contribution, we present a new method for soft sensor design in order to estimate the temperature of oil flowing inside a pipe in Parabolic Solar Collector. The challenge in the achievement of this objective consists in the complexity of the PDE model governing temperature's evolution. To overcome this problem, an approach based on spatial discretization is adopted to provide an equivalent uncertain state space which describes accurately the original model. Subsequently, based on the uncertain model, the soft sensor is synthesized. Finally, the assessment of the proposed design is carried out through simulation tests by using real system parameters.     

Quantitative imaging of Candida utilis and its organelles by soft X‐ray Nano‐CT

Soft X‐ray microscopy has excellent characteristics for imaging cells and subcellular structures. In this paper, the yeast strain, Candida utilis, was imaged by soft X‐ray microscopy and three‐dimensional volumes were reconstructed with the SART‐TV method. We performed segmentation on the reconstruction in three dimensions and identified several types of subcellular architecture within the specimen cells based on their linear absorption coefficient (LAC) values. Organelles can be identified by the correlation between the soft X‐ray LAC values and the subcellular architectures. Quantitative analyses of the volume ratio of organelles to whole cell in different phases were also carried out according to the three‐dimensional datasets. With such excellent features, soft X‐ray imaging has a great influence in the field of biological cellular and subcellular research.     

基于粒子群算法的冷连轧机轧制负荷分配优化

利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。     

基于改进核模糊聚类算法的软测量建模研究

针对发酵过程软测量建模采用单模型建模方法存在计算量大和精度较差的问题,提出一种基于改进核模糊聚类算法的多模型神经网络软测量建模方法.该方法首先使用主元分析方法对样本数据进行数据处理,所得主元变量作为模型的输入变量,然后使用基于粒子群优化算法的核模糊C均值聚类算法(PSKFCM)对数据集作聚类划分,最后针对每个聚类建立局部神经网络模型,多个局部神经网络模型估计结果的融合即为软测量模型的输出.将所提建模方法应用于红霉素发酵过程生物量浓度软测量建模,结果表明所建软测量模型具有较高的精度和良好的泛化能力.