基于卷积神经网络的OFDM-UWB信道环境识别

超宽带（UWB）无线通信技术被广泛应用于室内定位领域,其能识别出多径信道中的非视距信道,有助于去除影响信号的非理想因素,提升定位精度。基于OFDM方案的UWB系统,提出一种利用卷积神经网络对信道估计出的信道冲激响应时频图像进行训练,从而识别出信道环境的方法,将信道识别问题转化为图像识别问题,同时分析时频处理参数对识别结果的影响。仿真结果表明,该方法的识别率随通信系统比特信噪比（EbN0）的增加而提升,当EbN0增加至20 dB时稳定在90%,与传统基于支持向量机的信道识别方法相比获得了10%的性能提升。     

旋转机械的故障预测方法综述

旋转机械是工业上应用较为广泛的机械.许多大型旋转机械都是石化和电力等行业中的关键设备.首先以烟气轮机为例,阐述了预测维护的重要性;然后将现有的旋转机械故障预测方法整体分为定性分析法和定量分析法两大类,分别介绍了各种方法的实际应用情况;最后,探讨了旋转机械故障预测技术的难点问题以及发展趋势.     

电动舵机的复合自适应非奇异终端滑模控制

非奇异终端滑模控制（NTSMc）能够实现误差的有限时间收敛,但一般NTSMC的控制律采用高增益项来消除系统不确定性的影响,具有较强的保守性．为了降低这种保守性,本文采用复合白适应律对系统的不确定参数进行估计,按照估计值设计复合自适应非奇异终端滑模控制（CANTSMC）,对不确定参数引起的系统动态进行补偿．本方案曾经应用于电动舵机,以补偿不确定参数对模型动态性能的影响．本文证明了闭环稳定性,以及输出跟踪误差在有限时间内的收敛性．通过仿真验证了该方法的有效性．     

一种新型光伏阵列在线故障检测方法研究

太阳能光伏电站是国内外重点发展的绿色能源装备。光伏阵列是光伏电站的核心部件。目前光伏阵列的故障检测多采用线下人工排查法,无法实现实时在线监控及有效的故障报警。为此,提出了一种新型光伏阵列故障在线检测法。在新型检测法中,提出了电压电流检测初筛法及电池组件参数估算法。电压电流检测可以实现故障组件被定位在小范围内,而电池组件参数估算法则可以根据光伏组件的光照强度和温度估算出光伏组件的性能参数,进而准确定位故障组件。经实验验证表明,新型光伏阵列故障在线检测法及其监控仪器的故障判别准确性在90%以上。     

离退休人员门诊规范化服务

该文对微机械气流式水平姿态传感器敏感机理进行了三维的有限元分析.利用ANSYS-FLOTRAN CFD软件,通过建模、划分网格、加载和求解等途径,计算了微机械气流式水平姿态传感器敏感元件密闭腔体中气流速度在不同倾斜状态下的分布.阐明微机械气流式水平姿态传感器的敏感机理,为气流式水平姿态传感器的优化设计开辟了更精确的研究途径.     

复杂工况下综合传动装置状态监测数据异常检测方法

针对综合传动装置运行过程中,工况变化及装置故障状态引起的数据异常、难以有效区分这一问题,提出了一种适用于复杂工况下综合传动装置状态监测数据异常检测的方法。首先,采用基于密度的聚类方法(DBSCAN)对状态监测数据进行了关联变量聚类,以排除非关联数据对数据重构准确度的干扰;然后,利用深度降噪自编码网络构建了状态监测数据重构模型,获取了对异常数据敏感的偏差特征;最后,利用支持向量数据描述(SVDD)算法构建了正常状态监测数据偏差特征的超球体,完成了复杂工况下对综合传动装置状态监测数据异常的检测;为了验证该方法对综合传动装置状态监测数据异常检测的有效性,以某型综合传动装置为研究对象,在多组综合传动装置漏油实验数据上进行异常检测验证分析。实验结果表明：该方法实现了在综合传动装置不同程度漏油故障条件下对状态监测数据异常进行检测的目的,且其准确度整体高于92%。研究结果表明：该方法可以有效检测出综合传动装置早期异常运行状态,为综合传动装置健康管理与劣化评估奠定基础。     

基于示功图分形盒维数的无杆抽油机故障诊断方法研究

以水基动力无杆抽油机为研究对象,基于分形盒维数理论,针对其正常、油管漏失、供液不足以及游动凡尔关闭迟缓4种不同工作状态的示功图特性进行分析,并在此基础上进行系统的故障诊断研究。研究了不同工作状态下压力－流量示功图的信噪比在0.1～0.2％范围内变化时其盒维数的变化特性。结果表明：系统压力流量信号的信噪比在0.1～0.2％范围内变化时对压力－流量示功图分形盒维数影响较小,因此压力－流量示功图分形盒维数能够用于进行水基动力无杆抽油机的故障诊断;同时该方法有利于实现基于示功图故障诊断的自动智能化分析。研究结果有利于在现场快速准确地对无杆抽油机的运行状态进行诊断,具有理论研究意义和实际应用价值。     

LPFG和FBG级联结构双参数光纤传感器研究

提出了一种长周期光纤光栅(LPFG)级联布拉格光纤光栅(FBG)的温度/应变双参数光纤传感器。利用飞秒激光直写制作LPFG并级连FBG,且FBG波谷位置为1 551.9 nm,LPFG波谷位置为1 559.1 nm,最高对比度为-12.7 d B。在30~70℃温度变化范围内对传感器温度特性进行测试,并在25℃超净环境下对0~500με应变变化范围内对传感器应变特性进行测试。实验结果表明,升温过程FBG中心波长发生红移,灵敏度15.00 pm/℃,线性度0.981 3;LPFG中心波长发生蓝移,灵敏度-11.75 pm/℃,线性度0.945 3。降温过程FBG中心波长发生蓝移,灵敏度18.25 pm/℃,线性度0.953 8;LPFG中心波长发生红移,灵敏度-15.42 pm/℃,线性度0.980 2。加载过程FBG中心波长发生红移,灵敏度0.93 pm/με,线性度0.991 5;LPFG中心波长发生蓝移,灵敏度-1.51 pm/με,线性度0.986 3。卸载过程FBG中心波长发生蓝移,灵敏度0.92 pm/με,线性度0.990 9;LPFG中心波长发生红移,灵敏度-1.51 pm/με,线性度0.972 8。结果表明,该光纤传感器灵敏度高,线性度好,可以同时动态实现应变和温度的测量。     

基于2D-MUSIC算法L型声阵列的轴承故障研究

随着传感器阵列技术的发展,越来越多阵列技术用于设备的故障诊断研究中。针对设备中多滚动轴承诊断中故障的定性与定位问题,开展了基于2D-MUSIC算法L型声阵列的轴承故障定位理论仿真研究,旨在进行阵列参数的优化。根据滚动轴承声学信号特性,进行L型麦克风阵列下利用2D-MUSIC算法对双声源信号进行仿真计算,通过改变信噪比、阵元间距以及阵元数量等参数进行仿真分析,确定最优声阵列参数。仿真结果表明,在两个信号源确定的情况下,通过优化阵列参数可以提高其故障定位分辨率并对声源定位系统进行优化。研究对于有轨机车多轴承驱动系统轴承故障的快速定位和实时诊断技术有较好的理论指导意义。     

基于深度信念网络的风电机组齿轮箱故障诊断方法

针对风电机组故障诊断中存在的数据量大,提取故障特征困难等问题,结合深度学习理论的强大感知与自我学习能力,提出一种基于深度信念网络的风电机组齿轮箱故障诊断方法。将原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性;同时,在训练过程加入Batch Normalization,减少过拟合几率,提高网络的收敛速度。将该方法用于风电机组行星齿轮箱的故障诊断,比DBN和BPNN算法及传统故障诊断方法的准确率更高。