水驱抽油机井管杆偏磨可靠性研究

根据系统可靠性理论出发,通过对水驱抽油机井管杆偏磨失效数据的收集和整理,推断出寿命统计模型,把握其寿命分布规律,得到狭义可靠性指标,实现对其工作可靠性的定量评价和预测。通过建立偏磨井管杆偏磨失效的故障树,找出发生管杆偏磨失效的关联因素及其组合,应用可靠性数学论计算各关联因素对顶事件发生的结构重要度,从而找出最薄弱环节,为科学治理和有效控制管杆偏磨失效,降低水驱抽油机井检泵率提供充分依据。     

基于KELM和多传感器信息融合的风电齿轮箱故障诊断

为提高风电齿轮箱的运行效率,降低风电场的运行维护成本,结合时域统计特征分析和多传感器信息融合技术,提出了一种基于灰狼优化核极限学习机(GWO-KELM)的风电齿轮箱状态监测新方法。首先,计算原始振动信号不同的时域统计特征参数,并采用并行叠加的方式对特征级和数据级进行信息融合以得到融合数据集。其次,利用融合数据集,建立了基于GWO-KELM的故障分类识别模型。最后,运用所提方法对QPZZ-Ⅱ旋转机械振动试验台齿轮箱实测数据进行状态监测,实例结果表明了该方法的有效性和可行性,与其他同类方法相比,所提方法具有最佳分类性能。     

分形结构中流体流动及传热研究综述

分形理论于20世纪70年代被首次提出,用于描述不规则复杂结构,目前已在能源、化工、材料、地质等领域得到广泛应用,特别是分形结构中的流动与传热问题一直是国内外关注的热点课题.文中首先简单概述了分形理论,在此基础上从树状分形结构、多孔介质、仿蜂巢结构以及翅片结构等方面阐述了分形结构在流动和传热领域的国内外研究现状,重点突出了分形结构对流动换热起到强化作用这一研究主题.最后总结了分形理论在解释自然存在的分形结构具有的优越传热传质性能的优越性,同时也展望了分形理论在设计构造更加优越的散热结构方面的前景.     

基于KELM-SAPSO的开关磁阻电机优化设计

开关磁阻电机由于其双凸极结构和铁芯磁通密度的高度饱和性,使得建立准确的非线性模型极其困难,传统的设计方法难以设计出最优方案。为了优化在起动过程中开关磁阻起动/发电机的转矩特性,缩短起动时间,首先采用传统设计方法设计了一台开关磁阻电机,并且选取了设计参数;然后针对非参数建模结构简单,容易辨识的特点利用核极限学习机进行非参数建模;最后使用模拟退火粒子群算法对平均转矩和转矩脉动进行多目标寻优。仿真结果表明,建立的非参数模型拟合精度高,优化后电机的平均转矩增加了3.95 N·m,转矩脉动减少0.23。仿真实验表明,核极限学习机和模拟退火粒子群相结合的算法适合于电机的设计与优化过程,具有参数设置少、泛化能力强、不易陷入局部最优解、耗时较少等优点。     

Kernelized relative entropy for direct fault detection in industrial rotary kilns

The objective of this work is to use a 1‐dimensional signal that reflects the dissimilarity between multidimensional probability densities for detection. With the modified Kullback‐Leibler divergence, faults can be directly detected without any normality assumption or joint monitoring of related test statistics in different subspaces such as the T² and SPE in principal component analysis–based methods. To relieve the difficulty associated with asymptotic high‐dimensional density estimates, we have estimated the density ratio rather than the densities themselves. This can be done by approximating the density ratio with kernel basis functions and learn the weights from the available data. The developed algorithm is generic and can be applied to any industrial system as long as process historical data is available. As a case study, we apply this algorithm to a real rotary kiln in operation, which is an integral part of the cement manufacturing plant of Ain El Kebira, Algeria.     

基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法

针对随机类优化算法用于配网重构计算时间长,而启发式算法用于配网重构存在的低精度解等的缺点,提出一种基于最优流法与Mayeda生成树算法相结合的单阶段配网重构新方法。该方法利用最优流法从支路交换的候选集中快速确定用于Mayeda生成树算法中用于支路交换的支路,从而既回避了随机进化选择方法进化慢的缺点,又回避了穷举法生成过多的劣树的缺点,等效于采用优化技术局部剔除了部分比当前树更劣的树,而明显加快其最优树的搜索过程。方法的优点是充分利用了最优流方法的快速性、Mayeda生成树算法的解空间的完备性,进行良好的结合实现了两者的优势互补,而提高其计算效率。算例验证了方法的有效性。方法因其快速性及至少得到次优解的特点而具有工程应用价值。     

Uninterrupted Ethernet using failure‐adaptive spanning trees

Failure recovery is a critical performance issue in large‐scale Ethernet networks. The standard mechanisms of link‐failure recovery in spanning tree protocol (STP) and rapid STP may cause interruptions of data transmission because of long recovery time. Several previous approaches construct multiple alternative trees to avoid such interruptions caused by single or multiple failed links based on multiple STP. However, the prototypical protocol of standard root election would result in the same root switch for different spanning trees. Hence, the alternative trees may become invalid if a failed link appears in more than 1 spanning tree. Our scheme, failure‐adaptive spanning trees (FAST), improves the resilience of Ethernet with multiple spanning trees. It avoids simultaneous faults of multiple spanning trees by incorporating a new approach to electing an appropriate root switch for each spanning tree. Failure‐adaptive spanning trees also use active links of alternative spanning trees for data transmission. The paths of different spanning trees can thus act as shortcuts to shorten frame paths. The experimental results demonstrate that FAST can sustain network throughput under multiple link failures. The FAST also balances both link and switch loads.     

基于IFOA-KELM-MEA模型的游梁式抽油机采油系统井下工况的短期预测

实现对井下工况的预测是及时掌握抽油井生产状态的有效方法,对提高油井生产效率和降低维护成本具有十分重要的意义。采用混沌理论实现抽油井井下工况的短期预测,首先将所提取的示功图的不变曲线矩特征向量作为预测变量,在证明其数据序列具有混沌特性后,由核极限学习机（kernel extreme learning machine,ELM）建立混沌时间序列预测模型,对其中的几个不确定参数采用改进的果蝇优化算法（improved fruit fly optimizationalgorithm,IFOA）进行优化选取,IFOA采用全局群体多样进化和局部个体随机变异的策略,最后,对模型所预测的结果进行物元分析（matter-element analysis,MEA）,诊断其属于哪种故障类型。由某油田作业区的两口生产井进行实例验证,结果表明所提出的IFOA-KELM-MEA预测模型是合理有效的。     

基于主元独立性分析与混合核RVM的复杂过程区间预测方法研究及应用

近年来,随着化工过程日趋复杂,对过程监控及关键变量预测提出了更高的要求。传统意义上的点预测已不能满足化工过程上的实际需求,且点预测无法描述过程上的不确定性问题,因此不能很好地把握预测变量的趋势。由此,提出了一种基于主元独立性分析（principal component independent analysis,PCIA）与混合核相关向量机（RVM）的区间预测方法。首先,结合核主元成分分析（KPCA）和独立元分析（ICA）对复杂过程原始变量进行主元成分提取和独立性分析,形成独立主元;其次,将高斯核函数与多项式核函数相结合形成混合核,与RVM结合对得到的独立主元进行回归建模预测,并运用T分布对预测值进行区间估计;然后,构造区间评价综合函数对区间估计结果进行优劣分析,在分析预测区间覆盖率（PICP）及预测区间宽度（NMPIW）的基础上,引入累积偏差（AD）提高区间评判的合理性。最后,将所提方法应用到TE仿真过程进行区间预测分析,仿真结果表明,提出的区间预测方法对实际生产过程具有较高的预测精度和区间估计质量,可以有效地预测关键变量的趋势。