洗煤厂振动筛故障诊断系统的设计及应用

针对振动筛工作负荷大、工况环境差、故障率较高且识别诊断难度较大的问题,基于洗煤厂大型直线振动筛的工作原理及故障类型的分析,设计了振动筛故障诊断系统整体方案.应用结果表明,该系统实现了信号采集、故障诊断、数据管理、故障预警等功能,实现了较好的技术及经济效益.     

改装元素分析—稳定同位素比值质谱联用仪测定固体样品硫同位素

本文对元素分析—稳定同位素比值质谱联用仪（EA-IRMS）进行改装，并利用其测定不同形态硫同位素标准物质和样品。结果表明，在色谱柱后加装SO₂气体捕集管，可捕集氧化还原产生的SO₂气体，并重复调用作为参考气使用，无需外部引入高纯SO₂气体，减小了其对仪器管路腐蚀和实验室环境危害；硫酸钡进样量约400 μg时，捕集管中的SO₂气体可提供至少20次峰中心聚焦；改装后的EA-IRMS系统测试硫同位素标准物质（IAEA-SO-5、 IAEA-S-2、IAEA-S-3、EMA-P1），当硫元素进样量为20 μg时，δ³⁴S值测试精度达到0.2‰（n=3），4种国际标准物质测量值与真实值相关系数良好（R²=1），表明硫的不同化合物δ³⁴S值可以相互校准，也表明EA-IRMS改装后可以满足硫同位素测试精度的要求。     

激光在线测厚振动分析与精度优化

激光测厚具有安全可靠、测量精度高、测量范围大等优点,广泛应用于纸张、电池极片等薄膜类材料厚度的在线测量。带材宽幅方向扫描测厚时由于扫描架往复运动会产生机械振动,影响在线测厚精度。针对该问题,以锂离子电池极片厚度测量为例,使用双激光差动式测厚平台对电池极片和铜箔分别进行厚度测量,然后对测厚数据进行频谱分析,探究其振动规律的相似性,并基于频谱分析结果采用滑动带阻滤波方式对测厚数据进行处理,滤波后极片和铜箔的厚度极差分别降低了33.4%和73.8%,有效过滤了机械振动导致的测量误差,可满足极片和铜箔厚度测量的精度要求。     

基于蜂群算法和半监督极限学习机的光伏系统故障诊断

户外环境中运行的光伏系统容易受到各种因素特别是灰尘的影响，其非正常运行会导致大量的电力损失，严重的短路故障则会导致安全问题和火灾隐患。因此，监测光伏系统的运行状态，及时排除潜在故障，制定有效的处理方案是当前研究的重点。本文分析了光伏电池串在各种故障状态下的I-V特性，特别是在污秽条件下的I-V特性。针对具有特定故障的光伏系统，特别是大规模光伏系统的标记数据难以记录的问题，提出了一种结合人工蜂群算法和半监督极值学习机（ABC-SSELM）的新算法。该算法能够利用少量的模拟标记数据和历史未标记数据对光伏故障进行诊断，大大降低了人工成本和时间消耗。此外，灰尘堆积监测可以提醒电厂业主及时清洗光伏组件，提高发电效益。最后，使用3.51kWp和3.9kWp的光伏系统验证所提出的诊断方法，数值仿真和实验结果证明了所提光伏诊断技术的准确性和可靠性。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。     

大鲵肝茶叶水提液脱腥过程中挥发性有机物的动态变化

目的：探讨茶叶水提液对大鲵肝的脱腥效果。方法：采用感官腥味值结合气相—离子迁移色谱(GC-IMS)分析经茶叶水提液处理不同时间(0，5，10，15，20 min)大鲵肝中挥发性成分的变化。结果：与未脱腥组相比，经茶叶水提液脱腥处理5 min后大鲵肝脏腥味值显著下降(P＜0.05)，处理10 min后腥味值基本稳定。不同脱腥时间下大鲵肝样品中共鉴定出32种挥发性有机物，包括10种醇类、8种醛类、5种酯类、5种酮类、3种烯烃类和1种醚类。经脱腥处理后，大鲵肝中醇、烯烃、醚、酯类物质相对含量下降，酮类和醛类物质相对含量增加。通过正交偏最小二乘法判别分析(OPLS-DA)结合变量投影重要性(VIP)筛选出10种潜在特征标志物(VIP＞1)，包括4种酮类、2种醇类、2种醛类、1种烯类和1种醚类。随着脱腥时间的延长，蘑菇醇、2-丁酮二聚体、异戊醇单体、2-丁酮单体相对含量呈降低趋势，而正己醛单体、异戊醛单体、丙酮相对含量呈增加趋势。结论：茶叶水提液处理5~10 min能够明显降低大鲵肝腥味，通过GC-IMS技术结合多元统计分析可以对脱腥过程中大鲵肝挥发性有机物进行区分。     

基于SVD和SSA-VMD降噪的轴承故障特征提取

针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

不同段数爆破地震波的反应谱分析

为了研究段数对反应谱特性的影响,基于某石方控制爆破工程爆破振动实测数据,对不同段数爆破振动信号进行了反应谱分析。首先,利用实测的爆破振动速度信号采用直接微分法获得了加速度信号,并利用EEMD分解对加速度信号进行低通滤波去噪处理,获得了准确清晰的加速度曲线。然后,利用精确法求得了不同段数下爆破振动信号的速度反应谱和标准速度反应谱。分析结果表明:不同段数的爆破振动质点峰值速度与速度反应谱的峰值速度并不存在对应关系,因此分段数的选择应综合考虑结构对爆破振动的动态响应。