基于条件生成对抗网络的空气预热器内红外补光监测视频图像清晰化方法

火电厂空气预热器（空预器）内部的灰尘、烟雾、光照变化等因素导致监控视频画面不清晰，影响监控效果。鉴于此，本文提出一种基于条件生成对抗网络（cGAN）的恶劣工业环境下红外补光监控视频图像清晰化方法。针对获取的红外补光图像样本数据进行预处理，包括高斯滤波去噪以及图像拼接操作，得到低清晰度图像和高清晰度图像的合成图像，低清晰图像作为待重建图像，高清晰图像作为重建图像的理想参考图像，采用建立的cGAN模型对低清晰图像进行重建，调节优化参数生成高清晰图像。试验采用空预器现场监控视频作为训练集对网络模型进行离线训练，实现了空预器红外补光监控图像清晰化处理。本文方法cGAN模型小、训练过程简单、计算效率高、图像清晰化处理效果好，适于相似复杂工业环境下对监控视频图像的恢复和清晰化处理。     

基于VMD与时间序列分析的滚动轴承故障特征提取方法

为了在非线性、非平稳的滚动轴承故障振动信号中有效提取出敏感的故障特征,提出了基于变分模态分解(VMD)与时间序列分析相结合的特征提取方法。首先通过VMD将原始信号分解为不同预设尺度的本征模态分量(IMF),对各个IMF分量建立时间序列预测模型,通过叠加重构得到最终的预测模型,比较评价指标确定最优参数的选取。最后,通过仿真信号与滚动轴承实际故障数据分析,并与经验模式分解(EMD)进行对比,结果表明该方法能够有效的提取到故障特征频率。     

在线混凝/超滤处理太湖水的试验研究

超滤试验以太湖水为原水,采用在线混凝/超滤(CUF)和直接超滤(UF)并行的运行方式,通量设置为75～90 L/(m~2·h),分析跨膜压差(TMP)的变化,考察对有机物和藻类的去除效果。试验结果表明,CUF和UF都能在高通量下稳定运行,TMP均不超过30 kPa,且CUF可以有效降低TMP;超滤去除溶解性有机物的能力较弱,混凝增加了其对小分子有机物的去除效果;超滤能很好地去除藻蓝蛋白和硅藻,去除率分别在88. 90%和82. 58%以上,混凝可以强化超滤对硅藻的去除,但对于藻蓝蛋白却相反。     

考虑投资收益比的UPFC选址与定容算法优化

为提高在已有输配电网络加装统一潮流控制器的经济收益,对统一潮流控制器的选址与定容算法进行优化。以有功潮流性能指数结合电压稳定性指标确定统一潮流控制器的最优安装位置,以经济收益为目标建立统一潮流控制器安装容量与经济收益的函数方程,采用粒子群算法对其求解计算,通过绘制曲线分析得出统一潮流控制器的最优安装容量和最高经济收益。在IEEE14节点系统中与遗传算法进行比较验证,证实了该方法的高效性。     

正渗透去除单宁酸的影响因素分析

以单宁酸溶液作为原料液、NaCl溶液作为汲取液,在不同的膜朝向、汲取液和原料液浓度、膜面流速、原料液温度、pH值条件下,研究正渗透膜对单宁酸的去除效果。结果表明,汲取液浓度越高、原料液浓度越低、原料液温度越高、错流流速越大、膜活性层朝向汲取液运行模式均有助于提高膜通量,盐通量与膜通量呈正相关;不同影响因素条件下,正渗透膜对单宁酸的截留率均在97%以上,而在膜活性层朝向原料液模式下运行,对单宁酸的截留率更高。     

椭圆齿轮传动系统非线性动态特性分析

为获得椭圆齿轮副工作时的振动规律,以实现其稳定、高效传动,在分析椭圆齿轮固有特性的基础上对椭圆齿轮非线性动力学特性进行了研究。以齿轮动力学理论为基础,建立考虑时变啮合刚度、齿侧间隙、静态传递误差、粘弹性阻尼的椭圆齿轮非线性动力学模型,利用四阶变步长Runge-Kutta数值方法对椭圆齿轮传动系统非线性动力学方程进行求解,绘制了系统的位移响应,相轨迹以及Poincaré映射,得到激励频率、阻尼比、时变啮合刚度、以及内部激励4个控制参数对传动系统动态响应的影响。椭圆齿轮副动力学模型的建立、求解和参数影响分析可以为后续的动态设计、不同参数下的振动响应趋势预测以及降噪提供一定的理论依据。     

基于贝叶斯理论的日用陶瓷镉溶出量A类测量不确定度评定

针对GUM法A类不确定度评定的局限性,本文使用贝叶斯理论对日用陶瓷镉溶出量进行A类不确定度评定,从总体数据入手,使用先验信息,对数据进行统计分析,按照贝叶斯公式计算,最后评定结果是可信有效的,反映了数据在另外一个评定方法下的结果可靠性,为实验室工作人员进行不确定度分析提供另外一个思考方向。     

基于LLE及其改进距离算法的轴承故障诊断模型

针对原始LLE难以发掘非平稳振动信号高维非线性、不均匀或存在"孔洞"的采样数据潜在几何分布特征,提出一种基于LLE及其改进算法的滚动轴承故障诊断模型。通过将计算欧氏距离改进的局部线性嵌入(LLE)算法应用于滚动轴承故障诊断模型,在邻域因子k取值比较小时的情况下就可得到良好的特征提取效果,扩大了模型参数k的选取范围,减少特征提取计算的时间;通过将监督学习线性判别分析(LDA)能保证投影后样本在新的特征空间具有最大的类间距离和最小的类内距离的基本概念应用于改进距离的LLE算法参数选择后对其降维结果的直观的验证处理上,来确保降维样本在新的特征空间具有最佳的特征可分离性。并与未改进LLE算法及传统线性降维方法 PCA对比实验结果来验证基于改进距离LLE算法与离散度矩阵结合的故障诊断模型的优越性。     

基于流形学习与学习矢量量化神经网络的齿轮故障诊断模型

为了提高对齿轮非平稳、非线性故障振动信号的可分性及其故障诊断的准确性,并针对其高维数据样本的特点提出一种基于流形学习与LVQ的齿轮故障诊断模型。该模型首先利用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法进行齿轮故障振动信号的分解,得到一系列固有模式函数(Intrinsic Model Function,IMF)分量。接下来对含有主要故障信息的IMF分量进行特征提取和选择并构造高维观测样本,再用流形学习等距特征映射(ISOMAP)算法对初步的高维观测样本故障特征进行进一步的提取并对特征属性的数量进行压缩,在保留齿轮故障特征的整体几何结构信息的同时降低了特征数据的复杂度,增强了齿轮故障模式识别的分类性能。最后通过学习矢量量化神经网络(Learning Vector Quantization,LVQ)根据样本的特征将样本划分到一定的类别中去从而实现模式识别。通过比较实验结果来验证该模型的可行性。     

并联加工中民加工数据处理

由于并联加工中心的制造误差、并联加工中心主轴和动平台间存在的不垂直度误差,会使零件加工表面形成阶梯;此外由于一般CAM软件形成五坐标加工程序时,不能对拐点处进行减速和变姿态,容易引起叶片加工在拐点处过切。因此,研究主轴和动平台间不垂直度误差测量和补偿方法,和判断加工程序拐点和对拐点速度进行处理的方法,用以解决这两个问题。