胶印水墨平衡的探讨

胶印最基本的印刷原理是利用油水不相混溶、印版具有选择性吸附的两大规律来实现并完成印刷的。胶印之所以能够在一个几乎是平面印版上进行印刷，是因为印版版面具有选择性吸附的性能，图文部分（感光层）亲油疏水，空白部分亲水疏油。因此，只有在水墨平衡的状态下，才能保持空白与图文临界的清晰和光滑。在印刷过程中，水墨平衡将自始至终地在印刷产品的质量优劣方面起着决定性的作用。掌握水墨平衡是操作者必须具备的最基础的操作技能。从理论上讲，所谓水墨平衡，就是用最小的水，使版面不沾脏；用最小的墨，达到标题黑实，网点饱满，而…     

振动时效工艺在铸件上的应用

针对铸件的热时效和自然时效处理的不足，借鉴国内外经验，选购了国内振动时效设备厂生产的振动时效设备和应力检测设备，经过多次试振、测试，制定了各型抽油机曲柄、箱体、箱盖的振动时效工艺。     

基于多标签学习的旋转机械分级复合故障诊断

传统故障诊断方法大多是针对单一故障类型,然而在实际工业中多种故障会同时出现,即复合故障.针对复合故障诊断问题,一些学者引入多标签学习思想,多标签K近邻算法(ML-KNN)就是其中之一.然而ML-KNN算法作为一阶算法,只考虑标签与对应样本数据间的关系,却忽略了标签间的联系.针对该问题提出一种分级多标签学习算法,名为分层多标签K近邻算法(HML-KNN). HML-KNN算法将机械设备的退化阶段和故障类型分为两级,将第1级得到的标签信息进行转化,转化后的信息作为新特征放入第2级进行判断. HML-KNN算法是一种高阶算法,考虑了全局的标签信息,并在算法中包含了标签的特征转化,使得到的结果准确率更高.最后通过XJTU-SY数据集验证HML-KNN算法在处理复合故障诊断问题上的优越性.     

具有积分测量和时延的离散线性变参数系统故障与状态估计

故障检测与诊断(FDD)技术可以有效地提高系统的安全性和可靠性,因此受到越来越多的关注.目前,关于离散系统的状态和故障估计问题的研究还不够充分.本文针对具有积分测量和时延的线性变参数(LPV)系统,提出了一种同时估计执行器/传感器故障和状态的方法.首先,系统当前状态、系统延迟状态和传感器故障构造一个扩维状态,得到广义离散LPV系统.其次,给出了该观测器存在的充分条件并证明观测器是H∞稳定的.然后,将系统状态、执行器和传感器故障的同时估计转化为矩阵不等式的求解问题,给出了观测器待设计矩阵的计算过程.最后,通过仿真验证了该方法的有效性.     

天然气压缩机气缸体铸件的缺陷分析与改进

气缸体铸件是RDS天然气压缩机组的关键部件.由于其结构复杂,壁厚不均和性能要求较高,铸件易因材质疏松、裂纹等铸造缺陷而致铸件渗漏致废.本文分析了气缸体铸件的铸造缺陷及产生的原因,针对性采取改进措施后,铸件质量得到了明显提高.     

联合指标独立成分分析在多变量过程故障诊断中的应用

作为主成分分析(Principal component analysis, PCA)和因子分析(Factor analysis, FA)的扩展, 独立成分分析(Independent component analysis, ICA)已经在多变量过程故障诊断中得到了很多的应用和发展. ICA的监测指标通常有三个(I2、Ie2和SPE), 使用起来不如一个指标方便, 且分散了故障信息.本文利用三个指标的加权和, 提出了两种联合的ICA监测指标. 本文进一步对比分析了不同指标的统计意义和物理意义, 并在仿真数据中验证了联合指标的优势, 在TE过程中验证了其检测和诊断特性.     

高强度厚壁大型合金灰铸铁压缩机气缸体材质的试验研究

分析了某种压缩机气缸的渗漏缺陷,认为铁液的石墨化能力差,碳化物数过多是造成渗漏的主要原因,据此,提出了加铜减铬,使用稀土孕育剂代替硅铁孕育剂进行孕育处理的方案,并进行了实验室试验和生产试验,证明上述方案能够显著地增强原铁液的石墨化能力,并能明显地提高强度,减小白口。     

一种新型MEMS微电感制作工艺和模拟研究

采用光刻、干法刻蚀、电镀等微机电系统(MEMS)工艺设计了一种新型的带磁芯的螺线管微电感。采用COMSOL Multiphysics有限元软件,计算了不同频率交流载荷下的等效电阻、等效电感和阻抗随频率变化的关系。模拟结果表明,在1kHz¹MHz的频率范围内,其等效电感值基本不变,约为27nH,电阻值约为9Ω,射频模拟结果表明其共振频率为0.45GHz。     

未知输入扩展卡尔曼滤波的收敛性分析及其非线性故障诊断

Unknown input observer is one of the most famous strategies for robust fault diagnosis of linear systems, but studies on nonlinear cases are not sufficient. On the other hand, the extended Kalman filter （EKF） is wellknown in nonlinear estimation, and its convergence as an observer of nonlinear deterministic system has been derived recently. By combining the EKF and the unknown input Kalman filter, we propose a robust nonlinear estimator called unknown input EKF （UIEKF） and prove its convergence as a nonlinear robust observer under some mild conditions using linear matrix inequality （LMI）. Simulation of a three-tank system “DTS200”, a benchmark in process control, demonstrates the robustness and effectiveness of the UIEKF as an observer for nonlinear systems with uncertainty, and the fault diagnosis based on the UIEKF is found successful.     

内模强化学习型模型预测控制及其在人工胰脏上的应用

在学习型模型预测控制的框架里,迭代学习控制器被用来更新模型预测控制器的设定点.在已经发表的研究成果里,学习型模型预测控制用到的是比例型的学习率,这种学习率的学习能力有限,而且怎样设计学习增益仍然是一个开放性问题.在本文中,基于内模控制理论提出的PID型的迭代学习控制器被用来更新模型预测控制器的设定点.为了方便起见,本文提出的结合算法可称为内模强化学习型模型预测控制.本文提出的算法应用在(1)型糖尿病人的人工胰脏闭环控制上.仿真结果显示,本算法对比于比例学习型模型预测控制可以达到更好的收敛性能,而且对非重复干扰有很好的鲁棒性.