基于DEMD的高压隔膜泵单向阀早期故障诊断

针对高压隔膜泵单向阀的早期故障特征提取困难的问题,提出基于微分经验模态分解(differential empirical mode decomposition,简称DEMD)的高压隔膜泵单向阀早期故障诊断方法。首先,对振动信号进行微分运算,提高高频成分的振幅比,使微弱高频成分在后续分解中更易提取;其次,对得到的新信号进行经验模态分解(empirical mode decomposition,简称EMD),并将分解后的本征模函数(intrinsic mode function,简称IMF)分量信号进行积分还原;最后,计算分量信号与原振动信号的Kullback-Leibler散度(Kullback-Leibler divergence,简称K-L散度)值,选取K-L散度值较小的分量信号进行重构,并利用Hilbert边际谱对重构信号进行瞬时频谱分析,以提取故障振动信号的特征。仿真与工程实验分析表明,该方法能够较好地提取出单向阀早期故障特征信息。     

基于LED光源隧道照明调光系统的研究与设计

针对隧道照明调光的要求,设计了一种基于PWM驱动大功率LED的调光系统.该系统采用恒流可控电路,主电路采用BUCK拓扑结构,控制电路采用自带PWM功能的单片机.通过对负载电流的采样,控制输出PWM脉冲的频率和占空比,以达到负载电流恒定的目的.该方法解决了LED在不同环境及时间内的亮度调节问题,且可在不改变其他电路参数的情况下增加或减少一定数量的LED,节约了成本,同时也给施工带来了极大的便利.试验表明,系统的各项性能指标均达到要求,抗干扰能力强.     

基于HHT的往复式隔膜泵主轴故障诊断研究

往复式隔膜泵是管道输送行业最主要的设备之一,同时也是最容易损坏的设备之一。往复式隔膜泵主轴运行性能的好坏直接影响着往复式隔膜泵的运行状况,乃至整个管道输送系统的有效运行。提出了采用由经验模态分解(EMD)与Hilbert变换相结合的HHT方法,对往复式隔膜泵主轴故障进行诊断分析,通过边际谱有效地对设备故障进行分析诊断。实验表明:通过HHT方法对往复式隔膜泵主轴进行故障诊断是有效的、可行的。     

基于SVD-形态降噪的TKEO故障诊断方法研究

针对强噪声干扰背景下微弱故障特征信息难以提取的问题,提出了一种基于奇异值分解(SVD)-形态降噪的Teager能量算子(TKEO)故障诊断方法.首先对轴承振动信号进行SVD,对得到的分量信号进行形态滤波,以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选,并对其进行重构;最后利用TKEO计算重构信号的瞬时能量,得到信号的能量谱,提取振动信号的特征.将提出的方法应用于滚动轴承故障分析,结果表明该方法能清晰地提取故障特征信息.     

EMD辅助相关系数SVD的单向阀故障诊断

单向阀是往复式高压隔膜泵的关键部件,其故障振动信号常遭受强噪声污染,导致故障特征难以检测。针对这一问题,提出一种经验模态分解(EMD)辅助相关系数奇异值分解(SVD)的单向阀故障诊断方法。该方法首先将单向阀振动信号进行EMD分解,并将分解得到的本征模态函数(IMF)进行重构;然后将重构信号输入到相关系数SVD系统中进行二次分解,并用相关系数法筛选出包含故障特征信息的分量信号;最后对有效分量信号进行希尔伯特包络谱分析,实现单向阀故障诊断。仿真结果表明,提出方法解决了强噪声背景下故障特征提取困难的问题;实测数据表明,该方法能够有效检测出单向阀故障。     

基于Hilbert-Huang变换和小波包能量谱的电压暂降源识别

针对电压暂降源识别问题,提出一种基于Hilbert-Huang变换（HHT）和小波包能量谱的电压暂降源识别方法。首先对电压暂降信号经过经验模态分解（EMD）,得到一个固有模态函数（IMF）集合,然后将各IMF进行n层小波包分解并计算其小波包能量谱,得到Hilbert-Huang（HH）谱图。通过比较突变点、幅值、谐波等特征量,对电压暂降源进行识别。实验结果表明,该方法简洁可靠、识别准确性高、实用性强。     

基于离散Fréchet距离和LS-SVM的短期负荷预测

针对现有电力系统短期负荷预测精度低、数据处理量大、易受输入变量的影响等问题,提出了一种将离散Fréchet距离与LS-SVM相结合的短期负荷预测方法。分析总结了East-Slovakia Power Distribution Company提供的历年负荷数据,结合该地区的用电规律,通过引入离散Fréchet距离,建立离散曲线相似性的数学模型,选取出与基准曲线形状相似的相似日,利用相似日负荷数据对LS-SVM预测模型进行训练。经过仿真验证,并与标准LS-SVM模型得到的结果对比,所提预测方法明显提高了预测精度。     

高斯过程隐变量模型与多类最优边际分配机在故障诊断中的应用

轴承的振动信号特征与运行状态之间具有较强的非线性关系,导致在对轴承运行状态特征提取时,选取的高维特征间存在冗余性,因此产生故障诊断模型性能退化的问题。为此提出一种高斯过程隐变量模型(Gaussian process latent variable model, GPLVM)与多类最优边际分配机(Multi-class optimal margin distribution machine, mcODM)相结合的故障诊断方法。该方法首先对振动信号进行完备总体经验模态分解(Complementary ensemble empirical mode decomposition, CEEMD),得到信号的高维特征,并采用GPLVM对高维特征进行维数约简,然后利用约简后的特征建立mcODM故障诊断模型。轴承故障检测试验表明,该方法能够有效降低特征间的冗余性,且相较于ELM,mcODM模型能通过优化边际分布获得较高的辨识精度。     

自适应时变Terminal滑模控制研究

针对Terminal滑模控制到达阶段鲁棒性不强的问题,提出了时变Terminal滑模控制方法。分析Terminal滑模面的设计参数对系统性能的影响,提出一种非线性时变Terminal滑模面的设计方法。为了消除多输入多输出(MIMO)非线性系统的不确定,构建动态干扰观测器系统,根据干扰观测误差在线调节参数,从而在线逼近外部干扰,证明了逼近误差一致最终有界。采用倒立摆系统进行仿真验证,提出的自适应时变Terminal滑模控制方法比传统的PID控制镇定时间缩短80%,且无超调。仿真结果表明,所提方法可以用于MIMO非线性系统的控制。