基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阈值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%～64.7%,虚警率降低了12.62%。     

基于EMD小波的高速电梯振动信号去噪

结合经验模态分解与小波阈值去噪方法,提出基于EMD小波的高速电梯振动信号去噪方法,并对高速电梯振动信号进行了实例分析。结果表明,应用基于EMD小波阈值去噪方法相比于低通滤波去噪方法与单纯小波阈值去噪方法,具有更高的信噪比,能够提高分析的精度。有效保留了信号特征。     

基于经验模态分解的电测井信号去噪研究

电测井方法所得到的信号含有一定的随机噪声,对原始信号进行处理之前需对其进行去噪。基于经验模态分解(EMD)得到的本征模态函数(IMF)具有自适应性、完备性、可重构性以及正交性和良好的时频聚集性等特点。因此,利用IMF分量去噪对于处理信号与噪声频率混叠的情况具有很好的效果,是一种多分辨率的去噪方法。本文采用一种首先经过经验模态分解,其次通过对部分IMF分量进行软阈值去噪的方法,研究结果表明,该方法能有效去除电测井信号的噪声干扰,且效果优于传统的小波软阈值去噪结果。     

基于STF的车辆ECAS传感器故障诊断研究

电控空气悬架(electronically controlled air suspension,ECAS)系统的有效控制依赖于传感器实时采集的正确车身状态信号。针对电控空气悬架传感器卡死、恒偏差、恒增益3种故障,建立1种ECAS故障检测与隔离方法(fault detection and isolation,FDI)。建立电控空气悬架三自由度1/4车模型以及传感器故障时空气悬架模型,设计故障检测滤波器组,结合传感器实时测量值获得空气悬架输出残差,在此基础上确定故障检测指标,计算指标数值并选取适当阈值进行比较。诊断滤波器采用强跟踪滤波器方法进行设计,选取两级决策变量构造隔离决策函数,实现对故障传感器的检测与隔离。仿真分析表明,所提出的基于STF的方法实现了ECAS传感器故障的检测与隔离,有效提高了车辆控制的可靠性与安全性。     

非线性小波变换阈值法去噪在工程中的应用

利用基于非线性小波变换阈值去噪算法,对变形监测数据进行去噪处理,对模拟数据的处理结果表明,基于非线性小波变换阈值去噪方法与传统的阈值去噪方法相比,能有效地去除伪吉布斯现象,提高信噪比,剔除变形监测数据中的噪声,识别被噪声疏忽的有用信号。     

一种用CEEMDAN和排列熵去除脉搏信号噪声的方法

为去除脉搏信号中的噪声,提出了一种将自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和排列熵(permutation entropy,PE)相结合的方法。首先由HK-2000C脉搏信号传感器采集信号,对采集的脉搏信号用CEEMDAN得到一系列的本征模态分量(intrinsic mode function,IMF);然后计算各个本征模态分量的排列熵值,根据排列熵值选定阈值,确定并处理代表噪声的本征模态分量;最后对处理后的模态分量进行重构,从而消除脉搏信号中的噪声。实验结果表明,与经验模态分解(empirical mode decomposition,EMD)去噪方法和集合经验模态分解(ensemble empirical mode decomposition,EEMD)去噪方法相比,所提方法对脉搏信号去噪的效果更好。     

基于XGBoost-RF的制冷剂泄漏故障检测与诊断

针对冷水机组运行中正常数据多于故障数据情况和制冷系统中最常见的制冷剂泄漏故障，本文采用极端梯度提升算法(XGBoost)建立故障检测模型，采用随机森林(RF)算法建立故障诊断模型，研究了检测阈值改变对检测模型的影响及有、无正常样本训练的诊断模型的对比。结果表明，在检测阈值设定为0.99时，可保证大部分故障样本均能被检测出来，且虚警率低，仅由故障数据训练得到的诊断模型整体性能最佳，可最大限度发挥检测模型和诊断模型的优势。     

基于主元分析的冷水机组传感器故障识别

测量数据的真实性和准确性是冷水机组安全运行和优化节能的必要条件。长期使用条件下,传感器故障极易发生而且很难识别。在基于主元分析的传感器故障研究中,以Q统计量为检测指标的常规故障检测、诊断与数据重构在故障源的识别上存在一定误判。采用基于数据重构的枚举甄别方法,分析了传感器故障检测、数据重构及故障识别的算法流程,并以实际工程数据进行验证。结果表明,问题传感器的重构数据的故障识别指标变化最明显,可以准确鉴别故障传感器。     

信号去噪阈值与阈值函数的取舍研究

为了提高爆破振动信号精度,采用小波阈值去噪方法对爆破振动信号进行去噪,在去噪过程中阈值与阈值函数的选取是关键,阈值与阈值函数选取的合适与否将直接影响到消噪的效果。研究结果表明:heursure和sqtwolog两种阈值的去噪效果比较好;软阈值函数较硬阈值函数有更好的去噪效果。     

基于IMM-UKF的冷水机组故障检测与诊断

由于现场冷水机组往往伴随着大量噪声,为消除噪声对冷水机组故障检测与诊断(Fault Detection and Diagnosis,FDD)结果的误判,本文提出基于交互多模型(Interactive Multiple Model,IMM)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的冷水机组FDD框架.根据模型概率提出基于Tanh函数的故障检测指标,设置滑动窗口来选择联合故障检测指标最值,并设置决策阈值.结果表明,故障检测指标采用Tanh函数时的IMM-UKF FDD框架可显著提高滤波模型的鲁棒性和跟踪性能,当故障模型概率与正常模型概率差别不大时弱化其对FDD结果的影响权重,有效降低检测虚警率、提高诊断正确率.     

基于小波变换与EEMD的绝缘子泄漏 电流去噪方法研究

采用总体经验模态分解和小波阀值去噪相结合的方法对泄漏电流进行去噪处理。对泄漏电流信号首先进行总体经验模态分解,再对高频IMF分量按照4种阀值小波去噪方法(固定阀值法、启发式阈值法、自适应阈值法和极大极小阀值法)进行去噪,最后进行重构。以泄漏电流的3个特征量(有效值、3次谐波与基次谐波之比、波形)对去噪效果进行分析,综合比较得到采用总体经验模态分解与启发式阈值小波相结合的去噪方法的去噪效果最佳,采用该方法对实际污秽绝缘子泄漏电流进行去噪处理,去噪效果良好。     

基于GNSS的高层建筑物基坑监测系统实现与应用

以某高层建筑物基坑地质灾害隐患点监测实际情况为例进行分析，评估了监测站及虚拟基准站观测数据质量；根据实际建设项目的情况，提出综合解决地质灾害GNSS监测项目建设的规范；最后，提出一种组合模型对使用虚拟基准站解算的监测站数据进行去噪处理。结果表明，相比于EMD模型与EMD–ICA模型的去噪效果，该组合模型经数据去噪，标准差降低3.7%与2.7%，信噪比分别提高了19.7%和12.3%，相关系数方面提高了7.6%和3.3%。     

基于SDAE-DNN的网络异常检测方法

本文针对传统的异常检测方法在处理海量高维度数据时检效果不佳的问题,提出一种融合栈式去噪自编码器(SDAE)和深度神经网络(DNN)的网络异常检测方法。首先,利用栈式去噪自编码器对数据进行特征降维,实现从高维数据到低维数据的非线性转换;然后用深度神经网络对数据进行分类。采用NSL-KDD数据集的实验结果表明,与与其他异常检测方法相比,SDAE-DNN模型性能要优于其他方法,取得了更好的检测效果。     

结合相邻系数TQWT去噪在旋转机械故障诊断中的应用

加强对旋转机械的故障诊断对提高产品质量和长期安全运行具有重要意义。然而在故障诊断的过程中,有用的弱特征通常是具有强大的噪声背景,从而增加了特征提取的难度。为此,提出一种使用相邻系数可调品质因子小波变换(TQWT)的诊断方法,这种新兴可调品质因子小波变换与传统恒定的品质因子小波变换相比,具有可以随着信号的振荡使品质因子一致的优良性质。与此同时,采用相邻系数降噪是为了避免对约定逐项阈值技术过度矫正。结合这两种方法的优点,提出的去噪方法比其它方法更具有实用性和有效性。这种方法被应用到一个带用外圈缺陷滚动轴承和齿轮箱故障的检测,处理结果表明,该方法能够成功地识别故障特征,表明该方法比传统的小波阈值去噪方法更有效。     

基于EEMD阈值的绝缘子泄漏电流去噪的研究

绝缘子泄漏电流信号的采集受很多噪声信号的干扰,直接使用将影响准确地提取其特征量,本文对基于EEMD(Ensemble Empirical Mode Decomposition)阈值的绝缘子泄露电流去噪方法进行研究,借鉴小波去噪的4种阈值方法对泄漏电流信号进行去噪,分别是自适应阈值、固定阈值、启发式阈值和极大极小阈值,对EEMD阈值的去噪方法进行研究,通过对去噪前后信号的波形、有效值和谐波幅值比这3个特征量进行分析比较,综合比较仿真和实测信号去噪前后的效果,得出固定阈值是EEMD去噪方法的最佳阈值。     

基于数据驱动的变风量空调AHU故障诊断研究

变风量空调系统的空气处理机组(AHU)出现故障时会使系统舒适性降低,能耗和运维成本增加.本文提出了一种基于改进型主元分析(PCA)和BP神经网络算法,用于AHU的模型建立及故障诊断.结果表明使用改进滤波的PCA检测模型主元数为3个,累计贡献率92.7％.当系统传感器出现5％的故障偏差,模型在送风温度、 新风温度、 冷冻...     

基于改良CGN的冷水机组故障检测与诊断

作为HAVC系统的主要耗能部件,冷水机组发生故障时会消耗大量的能源.本文针对冷水机组的7类典型软故障,提出了改良条件高斯网(CGN)的故障检测和诊断(FDD)方法,该方法基于CGN的开放式结构,融入非参数核密度估计(KDE)方法确定特征参数的真实条件概率分布,提高FDD准确性.并以虚警率(FAR)作为冷水机组FDD精度性能的评价指标,将改良CGN的FDD结果与传统CGN方法进行比较.结果表明:所提方法将FAR由22.7％降到了5.3％.     

分布式光纤桩基检测里特征点压缩算法的应用研究

在开展桩基分布式检测工作时，常常用布里渊散射光时域反射技术(BOTDR)测量桩基，对数据的平滑去噪处理，是此工作中重要的一步。以某桩基为例子，借助特征点压缩算法，对检测数据进行平滑去噪处理，分析这种数据处理方法的特点和在实际中的应用效果。研究结果表明：数据的去噪会受到压缩算法的特征点阈值影响，参数的选择应结合实际情况和具体数据来确定；以不同的指标对平滑处理效果进行分析时，得出的压缩算法最优次数也不同；从摩阻力和轴力分布图来看，实际应用效果和桩体荷载传递规律以及国家相关规范基本一致，可以将荷载作用下桩体的实际受力情况准确地反映出来，效果良好。     

融合小波和形态学的避雷器在线监测方法研究

泄漏电流是对避雷器进行在线监测及运行状态评估的重要方法,但泄漏电流信号易受外界噪声干扰,而传统去噪方法存在去噪效果不理想的问题。本文提出了一种融合小波阈值去噪和形态学去噪的新型自适应去噪方法,该方法利用了小波阈值法在去除低幅值噪声和形态学法在去除高幅值噪声上的不同独特优势,并采用最速下降法对小波法的阈值和形态学法的权系数进行自适应优化确定。通过避雷器泄漏电流仿真信号和现场实测信号的去噪对比试验,结果表明:本文小波和形态学相融合的去噪方法具有很好的优越性和稳定性,可为避雷器泄漏电流信号处理及其在线监测提供有效的技术参考和指导。     

基于经验模态分解空域相关滤波的脉冲星信号消噪

针对脉冲星信号信噪比极低,且信号中有色噪声成分远大于高斯白噪声的特点,提出了一种基于经验模态分解(empirical mode decomposition,EMD)的脉冲星信号空域相关滤波消噪方法。首先建立脉冲星信号的分形高斯噪声模型,根据双对数功率谱密度估计分形高斯噪声的Hurst参数值;然后,结合脉冲星累积信号的窗口辐射特性和分形高斯噪声经EMD分解后的噪声分布特点,估计脉冲星信号各层内蕴模态函数(intrinsic mode function,IMF)中噪声的方差;最后,以IMF噪声方差为基础,建立EMD空域相关滤波方法并应用于脉冲星累积轮廓消噪。实验结果表明,与经典的平移不变小波阈值消噪法、平移不变小波空域相关滤波消噪法以及EMD模态单元比例萎缩消噪法相比,改进的EMD空域相关滤波消噪法在抑制脉冲信号中的噪声和保留更多的微脉冲特征细节信息方面更加有效。