基于协整分析的风电机组状态监测方法

针对风力发电机组SCADA系统受到环境及运行等因素影响[1],常常发生故障漏报和误报等问题,提出一种基于协整计算的风力发电机SCADA非平稳数据分析方法。风力发电机SCADA数据经协整计算可以获得附带风力发电机状态信息的残差,通过分析该协整残差可实现风力发电机的状态监测。取内蒙古包头市固阳县某风场1.5 MW双馈风电机组所采集的SCADA数据为研究对象,利用部分非平稳数据建立协整模型,并用一组正常运行数据以及一组已知齿轮箱故障数据对模型进行验证,结果表明,所提方法可有效抑制SCADA数据中由环境和运行引起的响应,准确识别风力发电机的运行状态,简单有效的实现风力发电机的状态监测.     

我国税收收入与经济增长关系的协整性分析

利用协整理论,以中国1994年-2006年数据为基础,对中国税收收入总量与国民生产总值之间的协整性进行了检验,并建立了它们之间的误差修正模型。研究分析结果表明,中国税收收入与经济增长之间存在协整关系和短期调整的机制,即它们之间存在长期的均衡关系。同时通过对中国税收收入与经济增长两者之间的Granger因果关系检验,也表明了中国税收收入总量与国民生产总值两者之间存在相互促进的效应关系。     

我国税收收入与经济增长关系的协整性分析

利用协整理论,以中国1994年～2006年数据为基础,对中国税收收入总量与国民生产总值之间的协整性进行了检验,并建立了它们之间的误差修正模型.研究分析结果表明,中国税收收入与经济增长之间存在协整关系和短期调整的机制,即它们之间存在长期的均衡关系.同时通过对中国税收收入与经济增长两者之间的Granger因果关系检验,也表明了中国税收收入总量与国民生产总值两者之间存在相互促进的效应关系.     

基于非线性主成分分析的车身制造偏差源诊断

对主成分分析在轿车车身制造偏差源诊断方面的不足进行了分析,进而在其基础上提出采用非线性主成分分析,从而更有效、更准确地来对轿车车身制造偏差源进行诊断,并给出了计算实例。实例证明该方法优于主成分分析,并在工程上有较大的可用性。     

载荷影响下的机电阻抗协整结构损伤识别方法

高频机电阻抗(electromechanical impedance, 简称EMI)方法利用粘贴在结构表面的压电传感器(piezoelectric transducer, 简称PZT)进行主动激励,通过连续监测和分析PZT机电导纳信号的变化评估结构的健康状态;然而EMI方法容易受到环境工况变化的影响,导致结构损伤的误报。针对此问题,采用时间序列协整方法处理及消除结构工作载荷对阻抗谱特征信号的影响。该方法是基于结构动荷载作用下PZT阻抗谱导纳信号的非平稳特征,将动荷载影响下的阻抗谱非平稳时间序列经线性组合变换成平稳时间序列,根据得到的协整余量序列有效判断结构的健康状态。为验证该方法的有效性,开展了动应力影响下铝梁结构的螺栓松动损伤识别实验。结果表明,协整消除了动态应力对EMI方法的影响,当铝梁内存在持续变化的应力时,仍可以准确识别螺栓松动。机电阻抗协整方法能够消除结构健康监测中荷载作用的影响,及时准确地进行结构损伤识别。     

基于主成分分析的汽车操纵力舒适性分析与评价

以汽车操纵装置的操纵力舒适性客观定量评价为研究目标,运用主成分分析算法,采用加权主成分和价值函数,建立汽车整车操纵力舒适性评价模型。在此基础上,进一步通过多元线性回归分析建立了汽车整车操纵力舒适性与主成分之间的回归方程,实现了对汽车整车操纵力舒适性的预测与评价分析。     

基于主成分分栏法的VR眼镜面贴适合性改进

为改进虚拟现实(VR)眼镜面贴的佩戴适合性,使其更适合我国用户的头面部,在2 200名我国成年人头部扫描模型数据库的基础上,对11项眼睛及面部测量特征进行了数据提取和统计,并使用主成分分栏法构建了我国成年人眼睛及面部可穿戴产品主成分分栏和5个尺寸类别的参考头型;基于参考头型对经过三维重建的VR眼镜面贴进行适合性改进设计,并将改进前后的面贴进行统一加工,制作适合性检验原型;基于主成分分栏,定向招募具有代表性的被试者,并对改进前后的VR眼镜面贴进行适合性检验,结合主观和客观检验结果分析面贴的适合性,发现改进后的面贴适合性相比改进前有明显改善。基于主成分分栏法改进VR眼镜面贴适合性的方法具有一定可行性,对改进可穿戴产品的适合性研究有参考意义。     

基于小波变换和核主成分分析的人脸识别算法

人脸识别是当前模式识别和图像处理领域的研究热点。属于生物鉴别技术的一部分。一个完整的人脸识别系统主要由以下几个基本环节构成：图像预处理、人脸检测与定位、特征提取分类识别。本文主要针对图像的特征提取分类识别环节进行分析和试验：首先应用哈尔小波变换初步提取人脸图像的特征;再对小波系数运用核主成分分析进行最终的人脸特征提取。     

基于分块多向主成分分析的翻车机液压系统故障诊断

采用基于物理模型和统计模型的方法对翻车机液压系统故障进行监测。根据翻车机液压系统各阶段的工作机理将监测变量分块,使每一块中的变量间因果关系更加明确,再对各块分别建立多向主成分分析(MPCA)监测模型。将分块MPCA模型和全变量MPCA模型应用于压车缸泄漏故障的监测,结果表明分块MPCA模型对微小泄漏更加敏感,具有较高的故障识别率。     

基于AR模型和主成分分析的损伤识别方法

基于结构加速度时间序列提出了一种新的损伤识别方法。首先,获取结构在无损伤状态下的加速度数据并进行分段,以各段数据的AR(auto-regressive)模型系数向量作为结构的参考状态样本,将未知状态的加速度AR模型系数向量分别加入参考状态样本中,构成多个原始数据矩阵;其次,对多个原始数据矩阵分别进行主成分分析得到前两阶主成分,并建立相应的椭圆控制图,以前两阶主成分在控制椭圆中的分布情况来判别结构是否存在损伤;最后,以一钢框架结构试验为例识别结构的两种损伤模式。结果显示,该方法能够准确、直观地识别结构是否存在损伤,相对于马氏距离判别法具有更强的稳定性。     

基于快速三维主成分分析的肺CT图像检测

为解决基于二维图像处理的计算机辅助诊疗系统(CAD)仅考虑每幅图像自身包含的信息而忽略不同扫描层之间的联系,以及数据处理过程中的海量计算问题,提出一种新的基于快速三维主成分分析(3D PCA)的有效肺CT病灶检测算法。该算法首先引入高维张量奇异值分解(HOSVD)设计3D PCA;然后以提取出的三维空间特征点为种子点,进行区域增长以获取完整的疑似病灶区域;最后,根据医学图像具体特征,设计了一种HOSVD的简化分解算法。对来自吉林省肿瘤医院的10个典型病例的五百余幅临床CT图像进行了实验,并将实验结果与当前同类算法做了比较。结果表明,检测精确度提高了约10%~21%;另外,快速算法与原算法比较,计算复杂度可降低约1/3。由于快速3D PCA可以挖掘更多存在于不同连续扫描层间的有用信息,更精准提取病灶特征,在一定程度上提高了检测率。     

基于实验设计和神经网络的冲压信号特征提取与诊断

制造过程中的各变量因素交互作用复杂,对其进行在线质量控制的前提是考虑交互影响,并获得足够的实时噪声因素信息来支持相应的控制策略。随着传感技术的发展,在计算能力和信号处理技术的强力支持下,可以实现对噪声因素的实时估计,进而对加工参数进行相应调整。基于此,本文提出了一种方法,在实验设计基础上,结合主成分分析(PCA)用于信号生成和预处理,并使用神经网络分类器对冲压信号进行特征提取与诊断,以获取更多的实时信息。论文还以一个实例证明方法有效且实用。     

紫外可见光谱法和主成分分析对蓝色圆珠笔油墨分类的研究

采用薄层色谱法和紫外可见光谱法分析34支蓝色圆珠笔油墨。截取400～700nm之间的紫外可见光谱数据进行主成分分析。主成分分析表明主成分1、2和3的累积贡献率已达96.5%,以主成分1、2对所有样品的得分值作图,对不同品牌的圆珠笔有很好的聚类作用。将主成分分析的分类结果同薄层色谱法的分类结果相比较,结果表明,采用主成分分析技术可以达到对蓝色圆珠笔油墨字迹的良好识别。     

基于主成分分析和线性判别的航空发动机状态监视

利用航空发动机传感器数据对发动机状态进行监视,采用主成分分析（PCA）方法和线性判别法（LDA）对发动机传感器数据进行二次特征提取,按照最优近邻思想进行分类。将2008年IEEE PHM数据作为实验数据,将基于PCA和LDA的分类结果与基于PCA的分类方法以及深度信念网（DBN）分类方法的结果进行了对比分析,结果表明,基于PCA和LDA方法的识别率综合最优且结构简单,对于工程应用该方法有效可行。     

基于PSO改进KPCA-SVM的故障监测和诊断方法研究

针对传统故障监测与诊断算法在船舶柴油发动机燃油系统应用中精度较低的问题,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)算法优化核主成分分析(Kernel Principal Component Analysis,KPCA)和支持向量机(Support Vector Machine,SVM)的故障监测和诊断新方法。首先采用KPCA提取样本数据中的非线性特征,获取其高维信息,同时在特征空间中构建T~2和SPE统计量,实时监测故障的发生;对于监测到的故障样本,通过KPCA提取其非线性主成分,作为多分类SVM的输入样本进行故障模式识别,采用PSO算法分别对KPCA与多分类SVM的核函数参数、多分类SVM的惩罚因子进行优化,以提高故障监测和诊断模型的精度。船舶燃油系统故障监测和诊断试验结果表明,经过PSO优化后的KPCA-SVM故障监测和诊断模型的精度明显提高,验证了所提方法的优势和有效性。     

基于主成分分析和支持向量机的滚动轴承故障特征融合分析

为有效降低滚动轴承故障特征的维数并提高诊断准确率,将主成分分析（PCA）和支持向量机（SVM）方法应用到轴承故障特征的融合分析中,给出了相应的决策流程。应用基于小波包分解的特征提取算法及特征向量的构造方法对不同状态下的振动信号进行分解,得到用于表征轴承运行状态的8维特征集合;应用PCA提取累积贡献率达到95%的特征主成分并输入SVM分类器中进行识别。结果表明,将滚动轴承故障特征从8维降低到5维,仍可有效表征轴承的状态,但大大降低了计算的复杂性;故障诊断的准确率达到97%以上,诊断时间也相对较短;4种轴承状态识别的准确率从高到低依次为正常、外圈剥落、滚动体剥落和内圈剥落,可为确保设备安全运行和快速故障诊断提供理论依据。     

一种基于主成分分析和支持向量机的发动机故障诊断方法

提出一种新型的基于主成分分析（PCA）和支持向量机（SVM）的故障诊断方法。首先提取振动信号的多项时域指标,并利用小波包分解提取频域特征;再利用PCA从提取的时域、频域特征中选取敏感特征,实现降维处理,减小数据处理复杂度;最后利用SVM进行特征子集的训练和测试,实现故障分离。该方法在柴油机的失火、撞缸、小头瓦磨损等典型实际故障中的诊断准确率高达98%,证实了该方法的有效性。     

利用高分辨质谱和主成分分析法研究酸洗预处理对生物质热解的影响

利用热重分析和高分辨质谱研究了氢氟酸预处理工艺对稻壳和杨木两类生物质的热分解特性和热解油组分的影响。结果表明,氢氟酸可有效脱除生物质中的K、Mg、Fe等微量矿物元素,其中稻壳的矿物元素脱除率可达92%。脱除矿物元素后,生物质的热失重峰显著地向高温区偏移,固定碳的产量减少,挥发成分的产量增加。高分辨质谱检测到的热解油组分包括以酸、醛、酮、醇、酚、呋喃为主的含氧化合物和以吡啶为主的含氮化合物,酸洗前后各产物的含量有较大变化。基于质谱数据,利用主成分分析法分析和探讨了热解油中特征组分在矿物质脱除前后的变化情况。结果表明,酸处理可降低生物质热解油中含氮化合物的产量,降低幅度可达50%。     

控制锻件变形均匀性和变形力的锻造预成形多目标优化设计

以影响锻件质量的重要因素--锻造预成形模具形状为研究对象,对锻造过程展开同时包括锻件变形力和变形均匀性两个方面的优化设计的研究.研究目标是使锻件变形最均匀的同时变形力最小,即获得变形均匀性和变形力综合性能最好的终锻件.基于有限元数值模拟方法,采用有限元灵敏度分析方法,首次对同时控制锻件变形均匀性和变形力的锻造过程预成形进行多目标优化设计研究.给出总目标函数和各子目标函数的表达形式,并详细推导各目标函数相对于优化设计变量的灵敏度.利用自行开发的程序,对断面为H形的轴对称锻件进行预成形多目标优化设计,给出优化过程中总目标函数及各子目标函数、预成形模具形状、预成形件形状及终锻件等效应变和y向应力的分布变化情况.结果表明,通过对预成形模具形状进行优化设计,总目标函数、变形均匀性子目标函数和变形力子目标函数分别下降了13%,33%和6%左右,达到了同时对锻件变形均匀性和变形力进行优化的目的.