基于排列熵的泵站压力管道运行状态监测

为实现泵站管道工作状态的在线监测,保障其安全稳定运行,提出一种基于排列熵算法(permutation entropy,简称PE)的泵站压力管道监测方法。该方法充分发挥排列熵算法计算简单和敏感度高等优点,适宜于处理非线性、非平稳信号,通过在关键部位设置传感器获取泵站管道的振动信号,利用信号子序列熵值的变化判断泵站管道振动状况。将该方法应用于景电工程二期七泵站管道的运行监测,通过设置不同的运行工况进行实例验证。结果表明,在开关机组瞬间,振动信号子序列熵值的最大幅差达到0.37,机组稳定运行期间子序列熵值的最大幅差仅为0.07,根据其熵值的变化可快速方便地识别出泵站管道的运行状态,具有较高的精度与可靠度。该方法为泵站管道运行状况的在线监测提供了新思路,为结构下一步安全诊断工作提供基础,具有较好的工程实用性和推广价值。     

基于递归理论的泵站压力管道运行状态监测

为了准确地识别建筑结构的模态参数,提出了一种基于多重信号分类算法（multiple signal classification,简称MUSIC）、经验小波变换（empirical wavelet transform,简称EWT）和同步提取小波变换（synchroextracting transform ,简称SET）的结构模态参数识别方法。首先,通过MUSIC-EWT对实测振动信号进行分解;其次,使用SET对单模态信号进行去噪处理;然后,采用自然环境激励技术（natural excitation technique,简称NExT）得到单模态信号的自由衰减响应;最后,利用Hilbert变换（hilbert transform,简称HT）和曲线拟合获得结构的自振频率和阻尼比。通过三层框架结构的数值模拟验证了该方法的准确性和鲁棒性。利用该方法对台风“达维”作用下广州中信广场的实测加速度数据进行分析,并将估计的结构模态参数和其他识别方法的分析结果进行对比,进一步证明了该方法的准确性和鲁棒性。     

基于递归理论的泵站压力管道运行状态监测

针对不利因素导致的管道运行异常问题,提出一种基于递归理论的泵站管道运行状态监测方法。首先,通过振动传感器提取压力管道关键部位的实测信息,并将同一位置不同方向的数据信息进行融合,得到一组反映结构整体动力特性的综合数据;其次,利用伪近临法与互信息法分别选取相空间重构参数m和τ;最后,绘制并计算代表管道动力特性的递归图及递归量化指标。将该方法应用于景泰川工程二期七泵站管道运行监测,通过设置不同的运行工况进行验证,结果表明:机组开关瞬间与稳定运行工况下,管道结构振动信号的递归图呈现不同模式,递归量化指标-确定性、对角线平均长度L、递归率及递归熵也呈现明显差异,能有效区分管道振动状态。该方法为压力管道的无损动态监测提供了新思路。     

基于超声背散射信号递归分析的金属材料微缺陷识别

为了能有效识别金属材料超声检测信号中的微小缺陷回波,使用递归分析方法对检测信号进行分析。通过对超声波背散射信号进行建模,说明其组成要素。在超声检测信号中,缺陷回波信号会对系统的递归特性产生影响。使用递归分析对含0.8mm平底孔人工模拟缺陷的直径为120mm低碳钢棒材试块实验采集的背散射信号和无缺陷背散射信号进行了研究。截取试块检测信号中的背散射信号部分,通过合理的参数选择对其进行递归分析并绘制递归图。通过与实验采集的无缺陷信号的递归图进行对比,发现缺陷信号会在递归图中产生明显的白色交叉条纹带。使用递归定量分析进一步研究了含缺陷背散射信号的递归特征量,结果表明捕获时间(TT)、确定率(DET)与递归熵(ENTR)这三项特征量对缺陷信号比较敏感,在缺陷位置处均会出现明显的峰值。     

基于递归复杂网络的滚动轴承故障诊断

针对滚动轴承振动信号的非线性、非平稳的特征,提出了一种基于递归复杂网络(recurrence complex network,简称RCN)的轴承故障诊断方法。首先,利用相空间重构的理论将一维时间序列扩展到高维相空间中,构建递归矩阵;然后,研究了基于递归思想的定量递归分析方法;最后,采用递归复杂网络的方法提取故障轴承振动信号的非线性特征参数,对轴承正常状态、内圈故障、滚动体故障和外圈故障振动信号进行分析。研究结果表明,RCN方法可以对滚动轴承故障进行较为准确的诊断,与传统方法相比具有较好的诊断效果。     

基于递归过程神经网络的航空发动机滑油系统状态监测

针对航空发动机滑油系统状态监测问题,提出了递归过程神经网络模型。其隐层和输出层为过程神经元,该网络的输入信号为时变函数或过程,并且含有一个特别的关联层,在建模过程中能储存系统过去更多时刻的状态信息,使得网络结构适于预测时间序列问题。文中给出了相应的学习算法,并且分别利用人工神经网络和递归过程神经网络对航空发动机滑油系统状态进行预测。结果表明,递归过程神经网络预测精度高,优于传统人工神经网络的预测能力。为航空发动机滑油系统状态监测问题提供了一种有效的方法。     

基于递归分析的混流生产模式机械加工过程能效分析和状态监测

针对混流生产模式下机械加工过程的能量效率研究问题,提出一种基于递归分析和图像处理技术的能量效率分析与状态监测方法.通过对各类工件分别进行多次加工试验,采集加工过程功率数据,应用聚类算法分析功率的时域特征并找出聚类中心,基于此建立各工件加工过程的参考功率数据库;在混流加工过程中,通过递归分析和图像匹配算法判断实时加工功率...     

运行转子径向振动的小波信号监测

针对运行转子径向振动的信号监测，介绍了小波分析的基本原理，提出了运行转子异常信号检测的原则。利用该原则，本文对实际转子运行的径向振动信号进行了小波信号监测分析，得出了较好的结论。     

矿用乳化液泵站在线监测系统设计应用

针对传统乳化液泵站检测方式存在的效率低、检测精度不高、工人劳动强度较大以及结果可靠性不高等问题,通过对矿用乳化液泵站常见故障类型进行分析,提出了一种基于C/S和B/S混合模型的乳化液泵站在线状态监测方案。通过对系统软、硬件设计及现场布置和应用试验验证得出：系统可以准确识别乳化液泵站故障,能够实现对乳化液泵站运行过程的全方位可视化远程在线监控,监控识别故障准确率≥98.7%,误警率<1.3%,有效避免了乳化液泵站事故的发生,保证煤矿液压支架系统的稳定运行,极具推广价值。     

基于VC的风机运行状态在线监测系统

基于Visual C++开发,对系统中涉及到的监测数据存储和多线程等关键技术进行了改进和代码的优化,有效地提高了系统的可靠性和实时性。     

加油站油气回收在线监测系统研究

针对我国加油站油气回收治理工程现状,借鉴国外成熟的管理经验和站内监控技术,分析存在的问题,在站内监控技术的基础上增加了远程监控功能,设计出油气回收远程监控系统,并对加油站实地监测数据进行分析,为完善我国油气回收工程提供了技术保障.     

面向装配的现场数据采集和过程监控研究

针对装配生产过程中现场数据复杂且过程监控困难的现象,以装配生产现场数据采集和过程监控为研究目标,研究了装配过程中现场数据采集和过程监控的几个关键问题：编码技术、质量数据的采集技术、装配过程数据流、数据传输的硬件构架与通信,以实现装配生产现场数据采集和过程监控;并以典型装配型过程为例,论证应用相关理论和技术可有效地采集和监控生产线中的质量问题,提高了车间生产和管理的效率。     

基于RQA与GG聚类的滚动轴承故障识别

提出递归定量分析与GG聚类相结合的滚动轴承故障识别方法。利用能够表征信号发散程度的RQA参数--确定率和分层率组成轴承故障识别的特征向量,结合GG模糊聚类实现滚动轴承故障模式识别。对实际故障数据进行分析,结果表明,该方法不仅能够识别滚动轴承的不同程度损伤,而且能够实现不同部位的轴承故障诊断。研究结果为滚动轴承故障识别提供了一种高效、直观的新方法。     

基于证据理论的振动发散故障监测方法

针对振动系统中振动迅速发散的故障,设计了基于证据理论的融合监测方法.对用于测量振动信号的多源传感器分别采用传感器数据方差、方差前向差分作商和方差前向作商作为描述状态的特征参数,计算基本概率分配函数,并根据Dempster组合规则进行融合.在隔振系统物理实验平台上实现了融合诊断监测过程,对采用3种特征参数的故障监测效果加以验证、比较和分析.实验结果表明,振动系统中传感器数据方差前向作商适合作为特征参数,由此构建的融合方法能够对振动发散故障实施有效诊断,并可以实现实时监测.     

远程在线刀具状态实时监控及补偿技术研究

在加工制造过程中,刀具的好坏直接影响被加工对象的质量、加工成本和生产效率等,因此刀具状态检测成为了工况监测中一个极为关键的技术环节。本文提出了新的在线远程刀具状态监控思想,可以共享一个专家系统,既节约了资源,又大大提高了监控的可靠性,因而有较大的实际生产意义。     

基于振动法的在线监测润滑油黏度传感器测试

开发一种基于振动法的在线监测润滑油黏度传感器,在恒温和变温状态下,通过实验室和柴油机台架实验测试传感器对润滑油黏度的响应,温度对传感器的影响及传感器的稳定性。结果表明,该传感器对润滑油黏度变化具有较高的响应和灵敏度,能准确测量润滑油黏度,且稳定可靠。     

小波分析在发动机失火监测中的应用

针对现时发动机失火监测方法的不足,研究了利用小波分析方法进行失火监测.对某发动机缸盖振动加速度信号作频谱分析,可知单缸失火状态的0.5和1谐次振动幅值与正常状态相比有显著增长.采集发动机稳速工况下失火故障瞬间前后一段时间的振动信号,利用小波分析方法,对其进行多尺度近似分解,获得低频逼近信号.由于失火引起低阶次振动幅值变化,观测获得的低频逼近信号的振动幅值波动,可明显分辨出故障发生的时间,再进行加速和减速工况分析.结果同样表明,通过小波变换分析方法,能有效监测发动机失火发生的时间.     

基于多采样率的风电多机组远程监测

针对风力机许多部件的振动频率很低,振动监测的风电机组远程状态监测受限于网络速度而难以实现的问题,研究了基于多采样率信号处理技术的多机组远程振动监测。通过对风电机组的振动信号进行二次抽样处理,大大减小了包含风电机组振动信息的数据量。仿真分析表明,在现有网络条件下,可实现风电多机组振动数据的广域网传输,进而可实现风电多机组的远程振动监测。