基于SVM分类的煤矿井下人员指纹定位算法

为了减少煤矿井下环境对人员定位系统的影响,提出一种基于SVM分类的煤矿井下人员指纹定位算法,该算法由指纹数据库、井下巷道指纹数据采集和井下位置匹配等环节组成。该算法利用SVM分类方法建立指纹数据库,采用奇异值去除方法消除指纹动态影响,通过实时采样信号与指纹数据库进行映射的方法找出最佳匹配位置。通过随机采集50个指纹样点数据作为位置信息,进行多终端用户位置信息测量,并取5个终端用户的测量数据进行分析。定位试验表明,该算法定位误差小于1.5 m,相比传统的基于RSSI定位算法有更高的定位精度。     

海上风电机组状态监测与故障诊断的发展和展望

为实现海上风电机组的可靠运行,对其状态进行有效监测与故障诊断是关键.在分析海上风电机组主要部件的状态监测与故障诊断研究现状的基础上,介绍海上风电场的状态监测系统,以及海上风电机组故障诊断存在的问题和发展趋势.     

高斯核支持向量机分类和模型参数选择研究

支持向量机(SupportVectorMachine,SVM)是近几年发展起来的机器学习新方法,以高斯核为核函数的支持向量机在实际应用中表现出良好的学习性能,被广泛应用于模式分类中。论文研究了高斯核支持向量机分类在IRIS分类问题上的应用,并结合结构风险最小化原则分析了误差惩罚参数C和高斯核宽度σ对SVM性能的影响,最后通过数值实验进一步分析了这种影响。     

模糊神经网络推理的实时故障诊断专家系统

将模糊神经网络推理引入专家系统,采用修正的RLS算法训练网络的权系数,以此开发了模糊神经网络实时故障诊断专家系统,并将其成功应用于某化工厂大型PTA装置。文章介绍了系统的总体结构和主要特点,并以溶剂脱水塔釜水浓度高事件为例阐述了系统的具体实现。现场运行表明:该系统预报准确,界面友好,能满足工厂的实际需求,具有良好的易维护性和可扩充性。     

聚乙烯的微波辐射溶液接枝反应的研究

研究了微波辐射下,以过氧化二苯甲酰（BPO）为引发剂,以二甲苯为溶剂,低密度聚乙烯（LDPE）与马来酸酐（MAH）的溶液接枝共聚反应,考察了反应条件对产物接枝率的影响,得到了接枝率（以MAH计）为63mmol/100g的马来酸化聚乙烯（LDPE-g-MAH).通过红外光谱及DSC等方法对产物的测试以及同条件下微波枝与常规热接枝的对照实验得出结论,微波辐射接枝可以得到较高接枝率的马来酸化聚乙烯。     

基于广义S变换与隐马尔可夫的滚动轴承性能评估

考虑到滚动轴承故障信号的非平稳性、强噪声性，导致状态评估结果不确定性高，提出一种基于广义S变换特征提取和变分贝叶斯-隐马尔可夫模型的滚动轴承性能评估方法。针对滚动轴承监测获得的振动信号，对其进行广义S变换后，分别进行时间、频率、时频的信息熵特征值运算，提取健康指数作为性能评估的特征向量，并使用变分贝叶斯-隐马尔可夫模型建立实时性能评估模型，用健康样本训练模型，以模型输出对数似然概率值作为性能退化的评估指标。利用数学模型仿真和辛辛那提大学提供的轴承数据验证特征指标和评估模型的可行性，结果表明广义S变换熵值优于常规的特征指标，在轴承早期微弱故障时灵敏度高，性能评估模型仅需要正常数据就可以准确表征轴承性能退化趋势，为设备的维修和故障检测提供了参考。     

基于改进粒子滤波和域适应CNN的轴承故障诊断北大核心

针对轴承故障诊断中特征提取困难、训练样本、不同工况下故障识别复杂等问题,提出了一种基于改进粒子滤波和域适应CNN的轴承故障诊断方法。首先,针对粒子滤波容易发生粒子贫化问题,采用参数简单的天牛须智能算法对其进行改进;其次,在卷积神经网络中添加注意力机制模块,以此来获得轴承更具代表性的特征;最后,以改进的1D-CNN为架构,构建不同工况下的轴承迁移故障诊断模型,其中在全连接层通过多层多核域适应缩短源域和目标域的样本分布差异。实验结果表明,与其他几种传统故障诊断方法相比,所提出方法有更高的准确率和适应性。