基于精密压力传感器气密性检测装置设计

针对某型装备润滑系统、燃油系统、助推器等气密性检测要求,分析了常用气密性检测方法的特点,介绍了一种基于精密压力传感器的直压气密性检测技术方案,采用DPS8000精密压力传感器作为系统压力检测单元,内嵌了无油干式压力泵作为压力源,采用了STM32F103VE微控制器,提出了基于最小二乘法的气压泄漏率计算模型和温度补偿模型,扩展了设备温度适应范围,提高了检测准确度,实现了气密性自动检测,检测压力和保压时间数字设定,具有操作方便、显示直观、灵敏度高、便携性好的特点。     

基于遗传算法和BP神经网络的多联机阀类故障诊断

针对多联机系统(变制冷剂流量系统)阀类故障的诊断特征变量冗杂、诊断效率低的问题,提出一种复合诊断模型,利用遗传算法在原始特征集中搜索特征子集,与参数优化后的BP神经网络模型结合,对多联机阀类故障进行检测和诊断。本文从原始特征集中优化选择了带有18个特征变量的最优特征子集,用该模型对电子膨胀阀卡死、电子膨胀阀泄漏和四通阀故障3种故障进行检测,结果表明:该复合诊断模型对故障检测率提高,其中电子膨胀阀的卡死故障检测率提升8%,整体诊断正确率提高到99.27%;该复合诊断模型大大提高了诊断效率,使测试时间缩短了52.17%,表明该复合诊断模型具有较好的故障诊断效果。     

Elman网络温度预测气密性检测研究

分析温度在差压法气密性检测中对检测准确度的影响及影响温度变化的因素,提出建立Elman网络,利用气密性检测平台在不同实验参数条件下得到的试验样本来训练网络。将训练好的神经网络用来预测气密性检测中待测密闭容器内的温度,并将预测得到的温度应用到气密性检测判断中。通过与应用较为广泛的BP网络和实际泄漏流量值比较可得,Elman网络进行41次训练后就达到预设目标,而且预测准确度更高。经过温度补偿后的泄漏流量值为12.67 m L/min(实际值为13 m L/min),相对误差为2.52%,极大地提高气密性检测的准确度。     

基于Boosting的多联机制冷剂充注量故障诊断集成模型

多联机空调系统被广泛用于各种公共建筑物,一旦发生故障会导致舒适性降低,能耗增加。制冷剂充注水平是影响空调系统高效运行的重要参数。本文提出一种基于Boosting集成算法的故障诊断模型,以制冷剂充注量故障为研究对象,将逻辑回归、决策树、随机森林、支持向量机和BP神经网络等5个基分类器集成,使用卡方检验进行特征选择,并使用制冷、制热模式的实验数据建立诊断模型。结果表明:基于Boosting的集成模型能高效检测多联机制冷剂充注量的故障,准确率高达96. 8%,相比于传统故障检测方法,大幅提高了诊断模型的响应速度、准确度和实用性。     

多联机系统故障类型识别及故障细化诊断模型研究

本文针对多联机系统实际运行中可能出现的多故障并发问题,提出一种结合线性判别分析(LDA)和随机森林(RF)算法的多故障诊断策略,可以在完成故障类型识别后,自适应地根据故障类型选择最佳细化诊断模型,进一步诊断出故障发生水平或故障发生原因。首先,在不同的制冷和制热工况下,引入四通阀故障、电子膨胀阀故障、制冷剂充注量故障,并按照7∶3的比例划分为训练集和测试集,利用训练集建立基于RF算法的故障类型识别模型;然后,利用LDA方法对训练集中3类故障的特征分别进行降维,并利用降维后的训练集建立故障细化诊断模型;最后,测试集中的样本数据在经过故障类型识别后,根据识别结果自适应地输入至最优故障细化诊断模型。结果显示:故障类型识别模型在测试集上的准确率达到99.99%,3类故障细化诊断准确率分别为96.12%、100%、97.44%,说明该策略能够较好的完成针对多联机系统的多类型故障诊断任务。     

基于混合算法优化的SVM多分类器齿轮故障诊断模型

为了提高支持向量机分类器的故障诊断精度,该文提出了一种基于混合算法优化支持向量机的故障诊断模型。首先,在混合算法中引入灰狼和金豺的夺食机制。其次,优化支持向量机,从而得到最优的支持向量机模型。最后,提高对齿轮故障模式的诊断精度。以某饲料生产企业采集到的数据为基础进行实例分析,结果表明,采用基于灰狼和金豺算法的混合算法优化支持向量机参数比标准的灰狼算法和金豺算法优化效果更好。在模型诊断精确度方面,混合算法优化的支持向量机诊断模型比未优化支持向量机、灰狼算法优化支持向量机和金豺算法优化支持向量机诊断模型分别提高了15.156 6%、4.913 3%和8.959 6%。     

基于概念漂移检测的制冷系统故障诊断模型自适应

制冷系统实际运行中,故障诊断模型可能出现诊断性能波动或下降等情况,需具备再学习能力以适应现场数据。本文设计了一种基于正确率阈值的概念漂移检测机制及支持向量机增量学习的故障诊断自适应模型,并将其应用于制冷剂过量故障的再学习。该算法通过两次优化选择、过滤数据信息,保留原有诊断知识,仅学习未知样本信息,可极大地节约模型学习时间,快速适应新环境。结果表明,新的故障种类出现时,诊断模型检测到概念漂移,进而通过增量学习进行自我更新,实现对新故障的学习与诊断。1 400个过量故障样本中诊断模型只需要学习600个,且保证最终模型对后续数据流具有较佳诊断性能,正确率高达99%。在现场制冷系统故障诊断应用中,诊断模型的再学习和自适应体现出良好的应用前景。     

基于PLC的气密性检测仪校准装置的研究

气密性检测设备已普遍应用于汽车、家电等制造行业。通过气密性检测已经成为确保零部件密封性的重要测试手段。然而,由于我国气密性检测技术发展时间较短,目前还没有对相关设备建立气密性方面的校准规范,对于泄漏量的检测也没有可溯源的国家标准。本文以差压式气密性检测仪为研究对象,通过对校准现状的分析,进行基于PLC的气密性校准装置研究,确保气密性检测仪测量量值的准确可靠。     

基于排气噪声的柴油机气阀故障诊断

通过对柴油机气阀机构七种状态下的排气噪声信号建立AR模型,以AR模型的自回归参数作为故障识别的特征向量,建立基于极限学习机的柴油机气阀故障诊断模型,并与反向传播神经网络算法、径向基网络算法和基于支持向量机的诊断模型相比较。试验结果表明,排气噪声信号可用于柴油机气阀故障的诊断,且基于极限学习机的诊断模型与其他三种算法的分类正确率均可达到95 %以上,但在学习速度上,极限学习机具有明显的优势。     

高氢工业炉气密性检测的新模型

对高氢工业炉气密性检测的现状进行了简介,并重点介绍了一种自动检测工业炉气密性的数学模型;最后提出了气密性检测技术未来的发展方向,可将红外线热成像技术应用于泄漏位置的定点检测。     

外压直压法摄像机气密性检测系统的设计

针对传统的直压和差压气密性检测方法难以实现对全密封器件的泄漏检测,提出了一种外压直压法摄像机气密性检测方案.在介绍外压直压法检测原理及相关气密性公式的基础上,设计了一种针对摄像机密封性能的检测系统,并搭建了实验样机.摄像机气密性实验测试结果表明,该系统可以快速、准确且稳定地检测出摄像机的大漏、小漏及合格等指标;系统检测周期少于40s,为全密封器件的气密性检测提供了解决思路.     

10MW高温气冷堆氦气透平循环的泄漏特性分析

为了分析高温气冷堆氦气透平循环中的气体泄漏对循环特性和循环部件的影响,通过理论推导建立了考虑泄漏情况的闭式布雷登循环的数学模型,并对不同泄漏模型进行了分析比较。分析表明,闭式布雷登循环的泄漏主要发生在高压压气机出口到透平入口处。而且,泄漏的发生改变了循环系统的质量流量和系统压力分布,使循环效率降低。以10MW高温气冷堆闭式氦气透平循环发电系统(HTR_10GT)为例,充装量调节时,实际泄漏模型下的泄漏量高于定泄漏系数模型,因此循环效率稍低于定泄漏系数模型。与不考虑泄漏时相比较,循环效率有2%左右幅度的降低;循环的总压比下降1%左右;而且压气机的压比和透平的膨胀比分别有0.5%和1%幅度的降低。     

汽车弹簧缸的密封性仿真与测试研究

由于汽车弹簧缸长期制动造成的气密性衰减,很难动态分析不同摩擦系数的密封圈对腔压泄露的影响。因此,该文利用双参数Mooney-Rivlin分析法,建立汽车弹簧缸的腔体密封性失效模型。该模型能根据密封圈的摩擦系数,动态计算出弹簧缸的气体泄漏量,通过腔压和泄漏量的比较,判断出密封圈是否失效。利用汽车弹簧缸气密性检测仪对某型弹簧缸进行测试,实验结果表明,当摩擦系数≤0.1时,密封圈应力分布最佳,腔体泄漏量5 k Pa;当摩擦系数0.1时,密封圈应力集中而产生气密性失效,腔体泄漏量超过5 k Pa。失效模型的仿真结果与试验结果相同,该失效模型正确有效。     

基于符号检测辅助的最小泄漏干扰对齐算法研究

为了减轻蜂窝网络中的小区间干扰,学术界已经在讨论一种消除小区间干扰比较好的算法,即干扰对齐(IA)。干扰对齐作为一种干扰消除技术,能在高信噪比情况下获得很好的系统容量。然而为了实现干扰对齐,发射机和接收机必须联合设计,这通常是很难实现的。另外,在优化不同标准的基础上,大量的迭代收发器设计方法被提出和研究。本文主要对基于最小泄漏干扰(MIN-WLI)的干扰对齐算法进行研究。这里提出了一种符号检测辅助的最小泄漏干扰对齐算法(SDA-MIN-WLI),它是一种基于符号检测的迭代收发器联合设计最小泄漏干扰的算法。系统仿真验证了改进算法要比传统算法具有更好的系统性能。     

基于PCA-LVQ多联机系统制冷剂充注量故障诊断研究

对于多联机空调系统,当发生了制冷剂的泄漏故障时,设备的性能会下降甚至失效,不仅造成能源的浪费、热舒适性的降低、设备有效使用寿命的缩短,还可能对环境造成严重污染。本论文将使用主成分分析(Principal Component Analysis, PCA)与学习向量化(Learning Vectorized Quantization Neural network, LVQ)神经网络结合的数据挖掘技术方法对多联机空调系统的制冷剂充注量故障进行诊断。首先通过多联机组试验获得运行数据,接着进行数据清洗工作,然后导入到PCA模型当中,利用权值矩阵将原始变量转换成新的综合变量,并将综合变量中重要度靠前的9个变量导入到LVQ,对多联机制冷剂充注量的故障进行诊断。结果表明:主成分分析与学习向量化神经网络的联合诊断模型结构简单、训练速度快、易于实现(代码简单),诊断正确率高,相较于单纯的LVQ算法模型,对制冷剂充注量故障的诊断效果更优。     

车用铝合金零部件气密性检测方法及泄漏率计算

介绍了机动车常用铝合金零部件的种类以及气密性检测方法。着重介绍了分别适用于铝合金轮毂和气门室盖的气密性检测方法,包括水气密检测法、氦质谱检测法和加压检测法。通过泄漏率的计算简要说明了上述三种方法的检测原理。     

一种针对水泥回转窑故障诊断的贝叶斯网络模型

为了实现水泥回转窑的故障诊断,采用贝叶斯网络建立了水泥回转窑故障智能诊断模型。在模型建立 过程中,提出了一种基于数据样本、不依赖先验知识的贝叶斯网络结构学习改进算法。在利用改进结构学习算法 建立诊断模型贝叶斯网络的基础上,利用MLE算法和变量消除法完成了模型的参数学习和诊断推理。为了验证 水泥回转窑故障诊断贝叶斯网络模型的准确率以及可行性,利用现场数据进行了大量的测试实验。     

基于BSO-BPNN模型的电能计量装置异常诊断方法研究

电网运维人员主要根据用电信息采集系统采集到的巡检数据对电能计量装置进行人工异常检测。针对人工诊断存在的漏报、误报、判断标准不一、准确度低等问题,文章提出一种天牛须搜索算法(beetle antennae search)和粒子群算法(particle swarm optimization)结合的天牛群算法(beetle swarm optimization),并将其用于优化BP神经网络(back propagation neural network)电能计量装置异常诊断模型。文章利用天牛群算法迭代寻优BP神经网络权阈值,根据诊断准确率对天牛群算法优化性能进行评价,并和粒子群优化的BP神经网络模型诊断结果进行对比。实验分析表明,天牛群算法优化的BP神经网络模型对于电能计量装置的异常诊断具有更高的准确度以及稳定性。     

半主动控制浮筏隔振系统的开关算法研究

为了弥补浮筏隔振系统的隔振效果在低频段尤其是共振频率附近的不足,引入半主动控制技术。建立半主动控制浮筏隔振系统的动力学模型,以传递至筏体的动能最小为原则,提出算法1;以筏体动能最小且输入能量最小为原则,提出算法2。建立Simulink仿真模型,对无控制和按算法进行控制的基础加速度响应进行仿真。结果表明,采用算法1和算法2对浮筏隔振系统进行开关半主动控制,可明显抑制系统在共振频率附近的基础振动加速度响应。通过试验对仿真结果进行验证,证明了仿真结果的可靠性以及两种算法的有效性。     

气密检漏仪检测泄漏量的影响因素研究

目前气密检漏仪多用于燃气器具和医药行业瓶罐容器的气密性检测,这些仪器的泄漏量都是通过微小压力差计算得出,而微小压力的检测难以达到较高准确度,故需对影响检测结果的因素进行分析,从而减小泄漏量的测量误差。本文通过对气密检漏仪的检测压力、被测腔体容积、检测时间等参数进行实验研究,对比分析得出这些因素对泄漏量测量误差的影响,从而优化检测方法,提高泄漏量的测量准确度。