基于Bayes的超球分类器及在柴油机异常检测中的应用

针对机械故障诊断面临的数据样本分布不均衡和特征空间存在混叠而导致故障诊断正确率不高的问题,提出一种三层超球面分类器异常检测模型,将存在混叠的特征空间分离成正域、负域和混叠域,并针对混叠域样本的判别问题,提出一种基于Bayes的判别超球面确定方法,该方法充分利用样本分布的距离测度和概率密度分布信息,在Bayes准则下使得...     

基于变长度悬臂曲梁的金属橡胶材料本构模型

依据金属橡胶材料细观结构变形的主要特征,对金属丝螺旋卷的空间位形、接触模式进行分析。提出基于变长度悬臂曲梁的单匝螺旋卷细观结构单元,结合接触作用模型,从材料的微元体出发推导承受压缩载荷金属橡胶材料的本构模型。该模型包含金属丝直径、弹性模量、螺旋卷直径、材料相对密度等基本的材料结构参数,从理论上解释金属橡胶材料力学特性的物理本质。通过圆柱形和长方形两种不同外形金属橡胶试件对所建模型进行试验验证,结果表明理论计算和试验数据吻合较好,说明该模型能够描述金属橡胶材料在加载和卸载阶段的力学行为。为进一步研究金属橡胶材料的力学特性,指导金属橡胶产品的设计提供理论依据。     

磁梯度张量系统传感器阵列的快速旋转校准

为有效消除磁梯度张量系统传感器阵列间非对准误差和传感器系统误差对测量精度造成的影响,提出了一种只需绕系统任意轴旋转一周便可理论上实现所有磁传感器与参考平台正交系间精确校准方法。利用两组无数学简化的非线性转换构建传感器系统误差线性校正模型,仅需同一旋转周期的10组测量数据便能得到参考平台与各传感器的理想正交输出。通过构建磁传感器三轴横倾、俯仰、方位转换的旋转矩阵,得到传感器空间任意姿态的非对准误差校正模型并对旋转角进行最小二乘估计,仅需同一旋转周期的3组测量数据便能对准张量系统。仿真和实测结果表明:在理想情况下仿真参数估计准确率接近100%,实验校正后各传感器输出具有较高重合与同轴性,张量分量RMSE(均方根误差)小于30nT/m。能以较简单步骤和较少采样数据高效提高差分法磁梯度张量系统测量精度。     

氯碱行业清洁生产的现状与未来发展重点

概述了中国氯碱行业清洁生产工作面临的压力,通过分析近年中国氯碱工业清洁生产工作取得的成绩,阐述了下一步工作的重点。     

基于DS18B20温度传感器的半导体制冷装置研制

针对大空间半导体制冷装置设计问题,研制半导体制冷系统和温度监测系统。系统采用分布式DS18B20温度传感器,实现制冷装置温度的智能控制与调节,得到在不同电流下制冷片两端的温差及箱体内平均温度随制冷片工作时间的变化情况。试验结果表明:温度监测系统实时性好,控制精度高,为分析半导体制冷片制冷性能提供数据依据,为研制装甲车辆驾驶舱半导体制冷装置奠定理论与试验基础。     

斜磁化条件下多磁源目标的边界识别方法

针对传统磁源边界识别方法在斜磁化条件下对多磁源目标识别能力较差的问题,提出斜磁化条件下多磁源目标的边界识别方法。根据矢量合成原理将磁场分量转化为总幅值异常以及方向余弦,利用改进K奇异值分解方法重建磁信号。利用归一化磁源强度与化极互相关的方法估计不同计算区域内磁源的磁化方向,将磁测数据转化为垂直磁化条件下的磁测数据。通过磁梯度张量矩阵特征值的绝对值之和与垂直条件下磁场沿z轴方向的分量在z轴方向上梯度的比值对磁源的水平边界进行求解,实现了对磁源水平边界的估计。仿真和试验结果表明,该方法能够准确识别斜磁化条件下多目标磁源的边界,且具有较强的抗噪性。     

基于频率域三维等效源的磁梯度张量转化方法

针对传统空间域条件下等效源计算方法中存在参数设计复杂、受噪声影响较大的问题,提出基于频率域等效源的磁梯度张量正则化转化方法。给出基于频率域地下水平长方体层的磁梯度张量正演理论,为频率域的反演计算提供理论基础;构建频率域三维等效源,并利用迭代法自适应确定地下网格划分深度与精度,实现计算过程的自动化。采用C范数正则化选择方法对地下等效源模型的磁梯度张量数据进行正演计算,提高了计算结果的稳定性。仿真和试验结果表明,在噪声条件下,该方法能够准确还原磁性异常体的磁梯度张量数据,具有较好的抗噪性以及计算效率。     

载体姿态变化对磁张量定位精度的影响

针对磁张量定位研究中,缺乏载体姿态变化对定位精度影响分析的问题,由磁张量定位公式出发,从理论上分析了载体姿态变化对磁张量定位精度的影响,得出在不考虑传感器测量误差时,载体姿态变化不影响张量系统定位精度;在考虑传感器测量误差时,定位精度随载体姿态的变化而变化。仿真实验表明,考虑磁场传感器测量误差,定位距离的相对误差随载体姿态变化而变化,最大值小于4.2%,验证了理论推导的结论,满足一般定位精度要求,并为实际选取传感器精度提供了依据。     

基于多尺度核独立成分分析的柴油机故障诊断

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。     

基于ART2神经网络的发动机故障诊断方法

发动机的故障诊断是一个动态的故障分类过程,许多故障诊断方法在对动态故障模式进行识别和分类时,存在对未知故障模式无法识别的问题。针对这一问题,引入ART2神经网络,利用db6小波包对发动机气缸盖的振动信号提取的特征向量作为网络的输入,应用实例证明,ART2神经网络不仅能正确识别学习过的故障模式,对突发、未知的故障模式也能很好地识别。