基于GWO优化的CS-SVM轴承故障诊断

灰狼算法(GWO)作为新型寻优算法,可用于轴承故障诊断。提出了采用GWO优化代价敏感支持向量机(CS-SVM)的诊断模型。通过经验模态分解(EMD)及主成分分析(PCA)进行特征提取并实现特征的降维,GWO优化CS-SVM参数来提升故障分类的准确率。以西储大学轴承数据为例,将比例为4∶1的训练样本和测试样本带入GWO优化的CS-SVM模型,诊断测试的准确率为96.67%,相比于传统PSO算法的准确率有所提升,收敛速度更快,表明了GWO优化的CS-SVM具有优越性。由此可以得出,GWO可用于轴承故障诊断的研究,验证了该算法模型的有效性。     

矿山电力变压器油纸绝缘老化的微观结构及放电特性研究*

文章对比分析了实际寿命周期中矿山电力变压器(矿山变)与普通电力变压器(普通变)油纸绝缘老化的微观结构及放电性能。利用粘度测试仪、光学显微镜及扫描电镜等现代测试手段,并根据放电相位分布(phase-resolved partial discharge,PRPD)模式,分析了油纸的聚合度、表面形态及微观形貌,以及放电起始电压、放电量及放电次数等。结果表明：温度、水分和生成物的协同作用导致了老化过程中油纸微观结构缺陷形成并进而引发电树枝,绝缘缺陷的分散性导致了放电相位分布中的“波浪”特征;运行过程中,矿山变油纸老化更加严重,局部放电现象更加激烈;矿区运行环境是造成矿山变油纸老化更严重的主要原因,矿山变油纸微观结构变化更加明显是导致其放电特征变化更加显著的直接原因;对矿山变绝缘状态的监测须从严执行电力标准,局部放电能更有效进行矿山变绝缘状态诊断。     

现场总线技术综述

从现场总线的产生、含义、特点和组成出发 ,阐述了现场总线的概念。鉴于目前现场总线的标准尚未统一 ,且短期内不可能统一的特点 ,介绍了目前流行的 5种典型的现场总线标准。分析了为迎接现场总线这场自控领域内的技术变革应采取的对策     

相互作用原理及其认识论逻辑基础

人类对世界的认识离不开观测。观测必须借助观测信号,人类对世界的认识与观测信号的属性相关。时间和空间是物质的存在方式。自然界中不存在没有相互作用的物体。一切物体在时空中的形象或状态(时空表现形式),都是由物体间的相互作用形成的,既包括自然界中四种基本相互作用(引力、电磁力、强力、弱力等),也包括人类观测世界使用的观测信号作用(人类观测自然现象借用的相互作用信号)。     

ARM启动代码与Remap技术分析

基于ARM的复杂系统上的多数硬件模块都是可配置的,在执行用户应用程序之前,需要有专门的一段启动代码来完成对系统的初始化.以LPC2106为例,详细介绍Bootloader过程及其设计方法,并着重阐述了地址重映射机制.     

基于CEEMD与改进Prony的谐波检测方法

为了解决经验模态分解(EMD)处理非线性非平稳信号的模态混叠现象以及传统Prony方法抗噪性能差的不足。提出基于完全经验模态分解(CEEMD)和改进Prony相结合的谐波分析方法。先将含噪的谐波信号进行CEEMD分解得到固有模态函数,再通过能量门限法对分解的固有模态函数进行阈值去噪。针对原始Prony方法优化了实际阶数和线性预测参数的求解过程。最后将去噪后的谐波分量进行改进Prony变换检测分析。并通过MATLAB仿真实验以及依托三相不可控负载的实测数据验证了该方法能够精确辨识出谐波分量的特征参数且具有良好的抗噪性能,从而为谐波分析提供了一种新思路。     

矿井通风网络的多种群自适应粒子群算法优化研究

针对矿井通风网络分支风量优化问题,以矿井通风网络的总功率最小为目标,结合矿井模型中风量平衡方程、风压平衡方程、分支阻力方程以及风机特性曲线方程等约束条件,提出一种多种群自适应粒子群优化算法(MA-PSO)对矿井通风网络实现寻优。首先对随机生成的种群进行初始化预处理,将适应值从高到低排序,然后以预处理后的局部最优解为圆心,以局部最优解与其他粒子的欧式距离的平均值为半径,将种群划分成五个子种群,接着在速度更新公式中引入拓扑项和种群交流因子,以种群为单位在求解空间中搜索,保障种群的多样性,从而加快种群进化和算法收敛速度;最后采用自适应权重和冗余粒子初始化淘汰策略,提高算法搜索能力和学习能力。仿真结果表明:该算法具有较好的多模态寻优率、更快的收敛速度和更高的收敛精度,优化后通风系统消耗的总功率较之前相比下降26. 78%,节能效果显著。     

基于加权排列熵和DE-ELM的滚动轴承故障诊断

针对滚动轴承振动信号非平稳非线性的特征,提出一种基于加权排列熵和差分进化算法优化极限学习机(DE-ELM)的滚动轴承故障诊断方法。首先利用自适应噪声的完全集合经验模态分解处理轴承振动信号得到固有模态函数(IMF),然后计算主要IMF分量的加权排列熵组成故障特征向量,最后利用差分优化算法(DE)优化极限学习机隐含层输入权值和偏置,并将故障特征向量作为DE-ELM的输入。实验证明,加权排列熵能够精确提取故障特征,DE-ELM算法能有效提高故障分类精度。与多种方法相比,该方法更加准确可靠。     

基于全相位傅里叶变换的煤矿电网电能质量分析

根据当前煤矿电网负荷特点,在详细对比了当前谐波和间谐波分析方法的基础上,引入全相位傅里叶变换对煤矿电网中的谐波和间谐波进行分析.在谐波的测量中,对基于Hanning加窗插值法、基于B-H加窗插值法、基于Blackman加窗插值算法和全相位傅里叶算法分别进行了仿真计算比较.发现基于全相位傅里叶算法对谐波的测量误差远远小于...