基于主成分和神经网络的风力发电机主轴承故障预警

主轴承作为风力发电机组的重要部件,一旦发生故障,会影响风力发电机组整机工作的发电性能,严重时故障甚至会造成停机,不仅影响发电量,更会产生高昂的维修费用。通过运用相关性分析,根据Pearson相关系数矩阵对原有的多个指标进行分析。然后运用主成分分析,首先对数据的原始特征预处理,得到6个主成分,然后将这6个主成分作为BP神经网络的输入,运用神经网络对风力发电机的主轴承进行预警。神经网络模型结果表明,该模型对风力发电机主轴承故障预警具有非常好的识别效果,基于主成分和神经网络对风力发电机主轴承故障预警对实现机组智能故障诊断,提高机组的运行效率具有十分重要的意义。     

地质雷达探测漂石中砂层的应用

该文提出用地质雷达对漂石层中的砂层进行探测的方法。利用电磁波在漂石与砂层间的不同反射特征对砂层进行识别,通过对已开挖的实际剖面做实验及后期对探出的砂层进行开挖验证,均说明用地质雷达探查漂石中的砂层是可行的,可以在类似工程中推广应用。     

基于微震的地压灾害预警体系构建与应用研究

为了研究阿舍勒铜矿深部开采中面临的地压灾害问题，结合现场实际与采动影响下岩体活动致灾模 式，基于现场微震监测的有效事件库，进行了时空强微震活动性因素分析。选取了多种物理意义清晰、数学模型明 确的分析因素：时间因子方面的活跃期与时序集中度 Q 时，空间因子方面的活跃区域与震中集中度 Q 空，定量地震学 因子方面 b 值、βn值、η 值、CUFIT 模型。结合现场微震数据库对各参数的分析，总结了各因素的高低值、趋势特征 及其揭示的地压活动性规律与预警特征：时序活跃期、Q 时高值，空间活跃区域、Q 空低值、低 b 值、高 βn值、高 η 值， CUFIT 模型符合急剧积累至高值后呈下降趋势都表征现场地压显现可能性较大。在此基础上，综合考虑多项时 间、空间、定量地震学参数的预警因素，构建了基于微震的地压灾害预警体系，通过综合判定函数 F 与各因素相关 性及其预警方法进行了现场实际应用，预警效率高、应用效果好。     

手机信令数据在地质灾害预警中的应用

本文是在地质灾害监测预警项目的实践基础上,结合移动运营商对手机信令数据的侦测应用,提出了基于手机信令数据的地质灾害预警发布的解决方案。该方案可实现地质灾害隐患点威胁区域的人员实时统计、预警信息发布、预警效果判断等功能,弥补了现有基于短信和大喇叭预警发布解决方案的不足。它能有效降低地质灾害发生时造成的人员伤亡,并且适用于我国所有的地质灾害影响区域。     

雷达旋转传输组合系统模块化设计

针对雷达旋转传输组合系统设计存在的周期长、效率低和通用性差等问题,提出了一种模块化设计方法。分析了基于模块化设计的旋转传输组合系统的主要优点;根据雷达总体技术要求,对功率汇流环、信号汇流环、光铰链和液体旋转关节等功能模块进行了设计,并阐述了模块设计过程中的关键技术;对旋转传输组合系统进行了指标测试。研究结果表明:该旋转传输组合系统各项性能均满足雷达对于电源、信号、光、冷却液等多种介质的旋转传输要求。     

大型水轮发电机组水淹水车室预警决策模型研究

笔者分析了大型水轮发电机组水淹水车室事故产生的原因及特点,详细介绍了通过对运行大数据分析,构建基于水位预测、概率逻辑推理和故障知识图谱的预警决策辅助模型的解决方案,将水淹水车室事故由事后被动发现变为事前提前预知,建立了基于水车室设备的知识图谱,为指导相关人员对故障性质、故障位置、处置方式进行准确判断和消除设备隐患提供了新思路。该模型基于对海量数据分析研究建立,分析结果具有代表性,可广泛推广应用,运行结果经实际检验准确可靠,可有效解决实际问题,保障企业安全生产,促进管理水平提升。     

煤矿智能监测与预警技术研究现状与发展趋势

从物联网、大数据、云计算及人工智能方面综述了我国煤矿智能监测与预警技术的研究现状。针对煤矿智能监测技术的实际应用情况,指出了煤矿智能监测与预警存在井下煤矿监测设备前兆信息采集可靠性差、云端平台集成应用融合深度不够、数据库安全性较弱、人工智能技术在煤矿监测中的应用尚不成熟等问题。展望了煤矿智能监测与预警技术的发展趋势:煤矿智能监测系统应用石墨烯/氧化石墨烯光纤传感器可实现多源信息感知,提升前兆信息采集的可靠性;研究多技术深度交叉融合技术,以探究监测数据的深层价值;构建基于区块链技术的煤矿监测数据库,保证数据库不可篡改,且具有较好的读写性能;研发具备自适应和深度学习的煤矿智能安全监测预警系统,实现矿井自动监测、智能预警。