三峡葛洲坝梯级电站模型中自动控制及测量系统的应用

 三峡-葛洲坝梯级电站联合调度水力学模型试验中，三峡电站下泄流量日变化幅度较大，葛洲坝电站反调节时流量大而水头较低。针对上述特点，分别采用不同的设计原理和控制方法，较好地解决了两电站流量的自动控制问题；针对两坝间及葛洲坝下游非恒定流水力学参数的测量，采用超声水位传感器和二维流速传感器实现了集中实时测量并自动处理输出，软件采用模块设计。整个系统简单、清楚、高效,并举实例说明自控及测量系统的应用。     

运维信息化产品发展趋势分析

随着电信业重组完成和5G网络建设的铺开,各大运营商大规模新建和扩充其现有的通信网络和基础设施,这推动通信网络和基站配套产品的采购需求不断增加。未来几年内我国电信行业的投资仍将持续稳步增长,基站／机房监控运行维护领域的软硬件产品需求强劲,将呈同步递增态势。     

基于SPSO优化Multiple Kernel-TWSVM的滚动轴承故障诊断

双子支持向量机(twin support vector machine,简称TWSVM)的核函数选择对其分类性能有着重要影响,TWSVM其核函数一般是局部核函数或者全局核函数,这两种核函数的泛化能力和分类性能不能兼顾。笔者利用综合加权的高斯局部核函数和多项式全局核函数方法组成双核函数来改进TWSVM以提高其泛化能力和分类性能,并采用简化粒子群优化(simple particle swarm optimization,简称SPSO)方法来对权值和参数进行优化,提出了SPSO优化Multiple Kernel-TWSVM模型,将该模型应用到滚动轴承故障诊断模式识别中。实验结果表明,双核TWSVM比单核TWSVM和反向传播(back propagation,简称BP)神经网络具有更高的分类准确率。     

基于超声导波SC-DTW的金属板微损检测方法

针对金属板材的质量控制与服役性能评估问题,在对金属板材微损伤进行超声导波检测的基础上,结合形状上下文(shape context,SC)与动态时间规整方法对其损伤劣化程度进行量化评估.该方法以无损Lamb波信号为基准,采用动态时间规划(dynamic time warping,DWT)算法对损伤信号进行相似匹配分析对比,确定基准信号与损伤信号的最佳匹配路径.引入SC的轮廓识别方法对Lamb波的局部波形信息进行统计分析,以波形形状距离代替传统欧氏距离匹配方法,解决DTW相似匹配中的病态对齐问题.最后,将无损Lamb波与损伤Lamb波信号间SC-DTW匹配距离作为损伤程度的量化指标,采用随机闭合裂纹的有限元仿真模型和铝板弯折实验对所提出方法进行验证,结果表明,基于Lamb波SC-DTW的损伤量化指数对铝板早期裂纹具有较高的敏感性和较好的量化表征能力.该方法无需对波包进行识别,也不必进行复杂的特征提取,具有简单高效和抗噪声能力强等优点,在金属板服役性能评估与质量控制中有较好的实用性和推广价值.     

基于小波包的经验模态分解法的研究及应用

针对多频信号经验模态分解中的模态混成现象，提出了一种经验模态分解与小波包分解相结合的新方法。经验模态分解方法基于信号的局部特征时间尺度，把复杂的信号函数分解为有限的固有模态函数之和。利用最小Shannon熵准则，对出现混成模态的固有模态函数进行小波包分解，并根据小波包分解后各频带信号的频率分布特征，选择能量比重较大的频带信号进行重构，将重构信号作为新的固有模态函数分量。仿真信号和齿轮箱故障实测数据表明，新方法能将不同的频率成分提取出来，从而提高了经验模态分解的分解能力。     

基于AutoCAD的局域网内部的实时协同技术研究

协同设计是计算机支持的协同工作的一个典型应用领域,实时协同设计是协同设计的难点问题。本文对AutoCAD中的图形实时共享技术进行了研究,在AutoCAD上实现了实时图形共享,为进一步研究实时协同设计奠定了基础。     

齿轮箱故障非线性特征测度及状态TWSVM辨识研究

针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机(TWSVM)对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机(SVM)针对多分类问题具有更好的样本不均衡适应性,并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明,与传统的SVM和BP神经网络算法相比较,TWSVM具有更高的分类准确率。     

齿轮箱故障非线性特征测度及状态TWSVM辨识研究EI北大核心CSCD

针对齿轮箱振动的非线性,利用非线性特征测度的方法提取齿轮箱振动信号的故障特征。并利用双子支持向量机(TWSVM)对齿轮箱故障类别的辨识性能进行研究。TWSVM努力构造两个非平行的超平面来实现分类,它比支持向量机(SVM)针对多分类问题具有更好的样本不均衡适应性,并且分类性能优势明显。对齿轮箱故障类别辨识的实验表明,与传统的SVM和BP神经网络算法相比较,TWSVM具有更高的分类准确率。     

基于IEC标准的风力发电机组声发射评估方法

研究了基于IEC61400—11测量标准,确保风力发电机组声学噪声评估过程准确、可重复的声学测试分析方法,如风速的测量与转换、1／3倍频程分析的背景噪声修正、整风速下的声压级等;推导了适用于工程实践的由声压级估算声功率级的计算公式;并详细分析了基于窄带谱与心理声学的音调及能听度的计算过程。对基于上述原理所开发的测量评估系统于2007年7月在新疆达坂城2号风场进行了为期三周的现场验证性试验,各模块的分析精度与频响范围均达到IEC标准1级仪器的要求,所有指标的评估结果均与MEASNET成员单位所做结论保持一致。