基于自回归-连续隐马尔可夫模型的离心泵故障诊断

根据振动与语音信号的相似性和离心泵故障信号的特点,将连续隐马尔可夫模型引入了离心泵的故障诊断中。利用自回归谱不受数据长度的限制,及自回归模型参数对状态变化规律反映敏感的特点,以信号的12阶自回归谱系数为特征矢量,将其输入到各个状态连续隐马尔可夫进行训练,来实现离心泵的故障诊断。为防止数据下溢,引入前向-后向比例因子算法求其对数似然概率,并且采用K-means算法对连续隐马尔可夫进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum- Welch算法实现参数重估。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。     

基于FHMM模型的离心泵故障诊断方法研究

针对离心泵故障振动信号特点,提出了一种结合小波变换与FHMM的离心泵故障诊断方法.利用Daubechies 小波对振动信号一维8尺度小波分解,从中提取一维信号低频系数作为特征向量输入各状态FHMM进行训练,输出概率最大的状态即为离心泵运行状态,从而实现了离心泵故障诊断.通过2BA-6A离心泵试验系统可验证该方法的有效实用性.     

基于小波变换的隐Markov模型离心泵故障诊断方法研究

根据离心泵故障振动信号的特点,本文提出了一种结合小波变换与隐Markov模型(HMM)的离心泵故障诊断方法。小波变换具有多分辨率分析并且在时频两域都具有表征信号局部特征能力的特点,利用Daubechies小波对振动信号进行一维8尺度的小波分解,然后从中提取一维信号的低频系数作为特征向量,将其输入到各个状态HMM进行训练,其中输出概率最大的状态即是离心泵的运行状态,从而实现离心泵的故障诊断。最后通过2BA-6A离心泵试验系统验证了该方法的有效性。     

基于小波包的2D-HMM离心泵故障诊断

根据离心泵故障振动信号的特点,提出了一种结合小波包与二维隐马尔可夫模型(2D-HMM)的离心泵故障诊断方法.利用小波包分解对信号进行精确细分的特点,构造出相应的能量谱作为离心泵运行状态的特征向量,并以此作为2D-HMM的输入进行训练,建立了基于2D-HMM的离心泵运行状态分类器,用以识别离心泵状态.最后通过2BA-6A离心泵试验系统验证了该方法的有效性.     

基于AR的二维隐Markov模型离心泵故障诊断方法

离心泵速度变化过程的振动信号具有信息量大、非平稳、重复再现性不佳等特点, 二维隐Markov模型(2D-HMM )很适合处理此类信号.利用AR谱不受数据长度的限制,AR模型参数对状态变化规律反映敏感的特点,以振动信号做自回归变换后的AR谱系数作为特征向量,将基于AR的2D-HMM引入到离心泵故障诊断中, 提出了一种基于AR的2D-HMM故障诊断方法,并论述了该模型的拓扑结构和主要参数以及相应的训练和识别算法.最后通过2BA-6A离心泵试验系统验证了方法的有效性.     

面向船舶多种余热梯级利用的TEG-ORC联合循环性能

传统的温差发电（TEG）和有机朗肯循环（ORC）等技术难以兼顾船舶多种性质余热的不同特点,且利用率较低。本文提出了一种TEG-ORC联合循环船舶余热梯级利用系统,研究了ORC底循环蒸发压力变化对系统输出功率、热效率、多级余热利用量和成本等重要性能的影响。结果表明,TEG-ORC联合循环实现了发电成本和热效率的优化,在TEG/ORC底循环比为0.615的工况下,主机烟气余热利用率随ORC蒸发压力的增加在小区间波动,系统的余热利用功率、输出功率和热效率均随ORC蒸发压力的增加而增大,系统单位发电成本随ORC蒸发压力的增加而降低。在ORC蒸发压力达到0.9 MPa时,主机烟气余热利用率为62.15%,余热利用功率为1919.68 W,输出功率为139.22 W,热效率为7.25%,单位发电成本为3.09 ￥·(kW·h)–1。