化工机械设备状态的诊断与分析

随着化工机械行业竞争的日趋激烈和科学技术的不断发展,化工设备的工作强度不断增大。为了给生产的稳定运行和产品质量的不断提高提供有力的保证。化工企业就有必要进行设备状态诊断,了解设备现状。本文简要介绍了化工机械设备状态诊断与分析的主要内容,重点说明了化工机械设备状态诊断与分析中最常使用的简易诊断和精密诊断。     

网络环境下基于RDCM的设备状态维修体制的研究

本文对网络环境下基于远程诊断与状态监测（RDCM）的设备维修体制进行了研究，提出了实施方法和过程，阐述了状态维修体制在企业中实施的具体流程以及设备综合管理系统（PIMS）中状态维修体制的实施方法和手段。     

发电厂设备状态检修实施方案的研究

首先从当前发电厂实行设备状态检修的优越性出发,进而着重就发电厂设备状态检修实施方案的设计、实例分析展开论述,这对于今后国内电厂如何科学、合理构建全面的设备状态检修具有重要的指导意义。     

空分设备主塔拉架长度的计算程序

<正>通常,空分设备精馏塔(亦称主塔)先处于常温20℃左右,当启动主塔转入正常工作时,塔内充满气液混合物,此时,塔温降至－180℃左右,与之相连的塔定位元件之一的主塔拉架,也有一较大温差变化。由     

改进的四子空间方法及其在电厂设备状态监测中的应用

四子空间方法作为常用的状态监测方法,需要假设过程变量服从高斯分布,实际中大部分的工业数据并不服从高斯分布,这使得四子空间方法的应用范围非常有限.基于此,本文使用核密度估计方法来改进传统的四子空间方法,得到了适用于一般分布下的基于核密度估计的四子空间状态监测方法.最后,利用电厂高温过热器的实际数据进行检验.结果表明改进的四子空间方法更为普适,状态监测效果也有很大的提高.     

基于Web的远程设备状态监测与交互式维护

虽然现在有许多成功的基于Web的应用，但是专门为设备维护设计的基于Web的系统很少。一个主要的原因是开发这样一个系统存在许多困难，因为它包括大型数据库、信号处理和设备监测和控制的实时数据通信。更重要的是同时具有设计基于Web虚拟仪器和故障诊断经验的专家很少。然而，基于Web的虚拟仪器的益处时明显的，用于设备监测和分析的昂贵硬件仪器可以被低廉的基于软件的虚拟仪器代替。通过在Internet服务器上安装虚拟仪器，当前用于工厂的冗余仪器可以精简到最小。因为每种虚拟仪器只有一套拷贝安装在服务器上，所以维护工作变得简单。通过Web的交互式维护变得容易。本文给出了这样一套基于W eb的维护系统的设计框架。它包括：远程数据传感和记录，采用虚拟仪器的信号处理与分析、智能故障诊断、以及Web交互式维护平台。     

化工机械设备状态的诊断与分析

机械设备在化工行业中有着重要的地位,针对化工设备的运行都建立了高效、准确、实时的状态诊断及状态分析系统。本文在分析化工机械设备状态诊断与分析的作用基础上,阐述化工机械设备状态诊断与分析运用的主要技术和方法。     

浅谈变电站设备的状态检修

电力系统中变电站设备的运行状态对于变电站系统的运行以及电力系统的稳定运行都有着重要的影响作用,对于电力变电站设备实时进行运行状态的检修时对变电站的电力供应以及电力系统运行稳定的重要保障。随着社会经济的发展,人们对于电力系统的运行要求也越来越高,因此,对电力系统变电站设备实施状态检修,以保障电力供应和电力系统的稳定运行也显得十分有必要。本文主要从电力系统变电站设备状态检修的意义、电力系统变电站设备状态检修的原则和电力系统变电站设备状态检修的实施对电力系统变电站设备的状态检修进行分析论述。     

浅谈变电站设备的状态检修

电力系统中变电站设备的运行状态对于变电站系统的运行以及电力系统的稳定运行都有着重要的影响作用,对于电力变电站设备实时进行运行状态的检修,是对变电站的电力供应以及电力系统运行稳定的重要保障。本文主要从电力系统变电站设备状态检修的意义、电力系统变电站设备状态检修的原则和电力系统变电站设备状态检修的实施,对电力系统变电站设备的状态检修进行分析论述。     

浅谈当前变电设备的状态检修

随着电力系统的迅速发展,电网的规模的日益扩大,变电设备状态检修工作要迈出实质性的步伐,为变电检修工作开辟了一条新的工作思路。检修工作才能做到有的放矢,突出重点!本文主要以设备状况分析为切人点,扎实做好状态检修工作,检修质量将会有大的改观。     

主成分分析的入侵检测方法研究

直接将入侵检测算法应用在粗糙数据上,其入侵检测分析的效率非常低.为解决该问题,提出了一种基于主成分分析的入侵检测方法.该方法通过提取网络连接中的相关信息,对它进行解码,并将解码的网络连接记录与已知的网络连接记录数据进行比较,发现记录中的变化和连接记录分布的主成分,最后将机器学习方法和主成分分析方法结合实现入侵检测.实验结果表明该方法应用到各种不同KDD99入侵检测数据集中可以有效减少学习时间、降低各种数据集的表示空间,提高入侵检测效率.     

基于电容测量和PCA法的两相流相浓度检测方法

介绍利用电容层析成像系统阵列传感器结构和采样特点,引入主成分分析法(PCA)求取两相流相浓度的新方法.对大量测量值样本进行统计分析后,求出用测量值第一主成分求取相浓度的经验公式,仿真及静态实验表明:两者之间有着良好的对应关系,其测量结果不受两相流流型的影响,是一种有较好应用前景的测量方法.     

声信号的主分量分析应用于滚动轴承故障诊断

利用声信号来进行故障诊断具有"采集比较容易,非接触式测取,设备简单,速度快,无须事先粘贴传感器,不影响设备正常工作,易于实现早期预报和在线监测,疳可在不易测量振动信号的场合得到广泛应用"等优点.由于外界噪声的影响,有效信息的提取较为困难.采用主分量分析对传声器测取的声信号进行了预处理;在此基础上应用基于Morlet小波变换的包络分析和频谱分析来提取故障特征向量,并以滚动轴承为例进行实验.结果表明,这是诊断滚动轴承早期故障的一种可选方法.     

基于核主分量分析的经验模式分解及其工程应用

若信号的信噪比较小,经验模式分解不能正确分解出基本模式分量,分量中含有伪分量。根据此种情况,提出一种核主分量分析与经验模式分解相结合的方法。该方法首先建立信号相空间,利用核主分量分析方法提取相空间的核主分量,然后利用投影逆过程将得到的核主分量逆向投影回原相空间,从而重建信号相空间。最后对重建的相空间所对应的信号作经验模式分解。此方法可以有效消除噪声和冗余对经验模式分解的影响,提高经验模式分解的适应能力保证分解的有效性,确保其能够分解出正确的基本模式分量。通过工程实例进一步验证了该方法的可行性。     

基于互信息的主成分分析用于声场景分类

主成分分析是声场景分类中常用的特征选择方法。针对主成分分析的局限性,提出一种基于互信息的主成分分析方法。这一方法引入类别信息,用不同声场景条件下特征之间的互信息矩阵之和替代传统主成分分析中的协方差矩阵,计算其特征向量与特征值,特征向量表示由原始特征空间向新的主成分空间的转换系数,特征值则用于计算主成分的累计贡献率并判断主成分维数。声场景分类实验结果表明,该方法较之传统主成分分析方法降维效果更好,辅以神经网络分类器,计算得到的分类正确率更高。     

一种基于核主成分分析和组合分类器的虹膜识别方法

提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析(KPCA)在高维空间具有较强的特征选择能力来提取虹膜图像的纹理特征。采用了一种距离度量和支持向量机相结合的两级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后一级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点。实验结果表明,该方法提高了虹膜识别率,是一种有效的虹膜识别方法。     

A dynamic quality control approach by improving dominant factors based on improved principal component analysis

Process variables in manufacturing process are critical to the final quality of product, especially in continuous process. Their abnormal fluctuations may cause many quality problems and lead to poor product quality. Against this background, this paper proposes a dynamic quality control approach by improving dominant factors (DFs) based on improved principal component analysis (iPCA). Firstly, the generation of iPCA is illustrated to identify the DFs which lead to quality problems. Then, a quality prediction model for improving DFs is proposed based on modified support vector machine (SVM). An incremental weight is introduced in SVM to improve its sparsity and increase the accuracy of quality prediction. Thus, the product quality can be guaranteed by controlling the DFs dynamically. Finally, a case study is provided to verify the feasibility and applicability of proposed method. The research is expected to provide some guidance for continuous process.     

基于主成分分析与BP网络的锚杆支护方案优选

巷道特征与锚杆支护之间可以看作是一种非线性映射关系,用一般的数学方法难以表达巷道支护方案与其影响因素之间的非线性映射关系.神经网络已广泛应用于锚杆支护方案优选,并取得较好的效果.基于单一神经网络预测锚杆支护方案存在一些不足,构建了主成分分析与BP网络相结合的巷道锚杆支护方案优选模型.利用主成分分析对神经网络的输入数据进行预处理,使输入数据减少且不相关,加快网络的收敛速度,并且预测精度均在90%以上.研究结果表明:将主成分分析与BP神经网络结合优选巷道的锚杆支护方案,具有很高的预测精度;与单一BP神经网络相比,提高了预测精度．     

Multivariate process capability using principal component analysis

Wang and Chen (Qual. Eng. 1998; 11:21–27) have defined process capability indices (PCIs) for multivariate normal processes data using principal component analysis (PCA). Veevers (Statistical Process Monitoring and Optimization. Marcel Dekker: New York, NY, 1999; 241–256) has suggested a multivariate capability index based on the first principal component (PC). In this paper we demonstrate the problem in the definition of PCIs given by Wang and Chen (Qual. Eng. 1998; 11:21–27) and the non‐suitability of PCI given by Veevers (Statistical Process Monitoring and Optimization. Marcel Dekker: New York, NY, 1999; 241–256) through some examples. We also suggest an alternative method for assessing multivariate process capability based on the empirical probability distribution of PCs. This method has been performed on industrial and simulated data. Copyright © 2008 John Wiley & Sons, Ltd.     

Improving automotive dimensional quality by using principal component analysis

Dimensional quality is a measure of conformance of the actual geometry of products with the designed geometry. In the automotive body assembly process, maintaining good dimensional quality is very difficult and critical to the product. In this paper, a dimensional quality analysis and diagnostic tool is developed based on principal component analysis (PCA). In quality analysis, the quality loss due to dimensional variation can be partitioned into a mean deviation and piece-to-piece variation. By using PCA, the piece-to-piece variation can be further decomposed into a set of independent geometrical variation modes. The features of these major variation modes help in identifying the underlying causes of dimensional variation in order to reduce the variation. The variation mode chart developed in this paper provides the explicit and exact geometrical interpretation of variation modes, making PCA easily understood. A case study using an automotive body assembly dimensional quality analysis will illustrate the value and power of this methodology in solving actual engineering problems in a practical manner.