基于DNA遗传技术的气液两相流型辨识研究

利用DNA分子的复制、储存和传递信息的功能,采用基于DNA编码技术的遗传算法优化BP神经网络,建立了具有更高辨识能力的气液两相流流型辨识模型,并就若干参数对辨识模型计算效率的影响规律进行了研究。研究结果表明,基于DNA编码遗传技术对BP神经网络进行优化处理而形成的气液两相流型辨识模型比已有其它辨识模型具有更高的辨识能力;通过轴承腔气液两相流动数值仿真流型模式的辨识分析,表明这一辨识模型可应用于航空发动机轴承腔气液两相流的研究。     

基于遗传算法/神经网络组合技术的气液两相流型辨识

通过采用遗传算法训练BP神经网络、优化网络权值的技术,对气液两相流的流型进行了辨识研究,在此基础上建立了基于遗传算法/神经网络组合技术的气液两相流流型的预测模型,从而为发动机轴承腔内润滑油气液两相流流型识别提供了技术支持,也为考虑轴承腔气液两相流的相关设计和实验工作提供了技术条件。     

基于神经网络的航空发动机轴承腔气液两相流流型辨识方法研究

基于航空发动机轴承腔润滑中所存在的气液两相流问题，采用基于神经网络的理论方法建立预测模型，以便进行轴承腔内气液两相流流型的识别。研究以管道气液两相流为原型，采用3种典型的神经网络对流型进行模式识别，通过考察3种网络的辨识率，发现BP网络的识别方法具有较高的准确性。     

基于聚类分析的航空发动机轴承腔油气两相流型辨识

轴承腔是航空发动机内的重要部件,对其内两相流流动状态的理解有助于提高发动机的润滑效率、提升发动机的工作性能和可靠性。基于流型辨识研究两相流在不同流型下的流动性质是获取轴承腔内物理现象的一个可行途径。在考虑试验获取难易性和辨识能力条件下,结合前人研究成果,应用K-Means聚类法对利于辨识轴承腔3种典型两相流流型的特征参数-无量纲两相介质速度和无量纲压力在近壁面附近的数值进行聚类分析。研究结果表明:该方法能够成功地将轴承腔3种典型流型进行归类,这对基于流型辨识研究轴承腔内3种典型流型下两相介质的物理状态,以及轴承腔润滑设计和换热分析提供了基础。     

轴承腔油气两相泡状流动的数值研究

航空发动机轴承腔过热或着火等现象与腔内油气两相泡状流动有关,需要通过数值计算研究两相泡状流动特性,从而为轴承腔润滑设计提供参考依据。针对上述问题,以某型航空发动机轴承腔为对象,建立轴承腔润滑油气液两相泡状流动模型,借助该模型研究润滑油介质运动状态。在建立模型方程时,考虑气泡直径尺寸大小和破裂聚合的影响,引入气泡种群方程和破裂聚合模型,并基于两流体模型和 两方程湍流模型,建立轴承腔内润滑油两相泡状流动计算模型。通过数值计算,模拟出轴承腔内润滑介质流场,最后利用国外文献的试验数据对理论分析进行了验证。研究表明,轴承腔润滑介质中气泡直径尺寸分布状态以及与转速的关系,揭示空泡率、转子转速和润滑介质进口速度等工况条件对轴承腔润滑油性能的影响。与国外试验数据的对比证明了该理论分析方法在航空发动机轴承腔润滑系统设计的可靠性和可行性。     

柱面螺旋槽气液两相流体动压密封稳态性能研究

为揭示航空发动机轴承腔内润滑油与加压气流形成复杂两相润滑状态下的柱面流体动压密封性能,基于两相流Mixture模型,研究气液两相介质柱面螺旋槽流体动压密封稳态性能,分析操作参数和结构参数对动压密封性能的影响.结果表明:在同样工况参数下,气液两相下柱面流体动压密封具有较好的动压效应;转速、压差以及液气比的增大均有利于提高...     

气液两相流对发动机主轴承润滑性能影响的分析

润滑油中出现的气液两相流现象是发动机主轴承工作中较常出现的现象,对发动机工作性能有较大影响。本文基于主轴承中润滑油气液两相均匀流动模型,利用湍流理论和有限差分技术,通过求解Navier-Stokes方程,获得了润滑油含气率、转子转速以及润滑油入口速度和轴承腔润滑油出口压力和速度的关系。本文的工作对于发动机主轴承润滑设计具有一定的参考价值。     

轴承腔中润滑油气液两相分层流动研究

基于轴承腔中润滑油气液两相分层流动模型和湍流模型，采用VOF方法追踪气液界面等技术求解三维N—S公式，对腔内润滑油气液两相分层流动的特性进行了研究。分析了润滑油混合物空气体积比等结构工况参数对流体介质在轴承腔出口处压力和径向速度的影响，研究结果揭示了结构工况参数对出口压力和径向速度的不同影响趋势。将所计算得到的理论数据与国外类似结构的轴承腔工况条件和结构数据进行比较，证明了该计算方法和结果的正确性。     

基于自组织神经网络的油气两相流管截面流型辨识

为了探索两相流流型辨识方法,本文在12电极电容检测系统的基础上,针对油气两相流,提出了基于神经网络的流型辨识方法,即采用自组织神经网络根据电容采样数据实现相应管截面流型的识别.研究表明,该方法是有效的.     

基于希尔伯特-黄变换和隐马尔可夫模型的气液两相流流型识别方法

为了研究垂直上升管中的气液两相流的流型,利用自制的多电导探针的测量系统采集了四种典型流型的电导波动信息.由于气液两相流电导波动信号的非平稳特征以及神经网络学习收敛慢等问题,提出了一种基于希尔伯特-黄变换(hilbert-huang transform,HHT)和隐马尔可夫模型(hidden markov model,HMM)的两相流流型识别方法.该方法首先将信号经验模态分解(empirical mode decomposition,EMD)后的固有模态函数(IMFs)进行希尔伯特变换得到其幅值能量,并将其作为特征向量,输入到已经训练完毕的各状态HMM中,实现了对气液两相流的流型识别.实验结果表明:该方法能很好的识别垂直管内的4种流型,而且优于BP神经网络,从而为流型识别开辟了一条新的途径.     

一种基于神经网络的双足机器人混合动力学系统辨识方法

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。     

基于小波包和PSO-Elman神经网络的滚动轴承故障诊断

针对滚动轴承的故障诊断,分析滚动轴承故障机理及特点,提出基于小波包分析的滚动轴承振动信号的特征向量提取算法,并建立PSO-Elman神经网络进行故障诊断和识别。将滚动轴承故障振动信号进行小波包分解,构造频带能量谱作为特征向量,输入PSO-Elman神经网络对故障进行识别。试验结果表明,基于小波包分析和PSO-Elman神经网络相结合的方法可准确地实现滚动轴承的故障诊断。     

基于格拉姆角场和CNN-RNN的滚动轴承故障诊断方法

针对卷积神经网络难以处理时间序列数据和循环神经网络难以提取数据深层特征的问题,提出了一种基于深度卷积网络和循环神经网络相结合的滚动轴承故障诊断方法.首先,使用格拉姆角场(GAF)编码将一维轴承振动信号构造为时序图像并划分为训练集、验证集和测试集;然后,将训练集和验证集输入VGG16模型进行特征提取,将提取到的特征输入R...     

Internal leakage rate prediction and failure diagnosis of buried pipeline ball valve based on valve cavity pressure detection

— Ball valve is a key fluid control equipment used extensively in oil and gas pipelines. The online detection and failure diagnosis of the internal leakage of the ball valve is of great significance to ensure the safety operation of natural gas transmission pipelines. This paper proposes a prediction method of the internal leakage rate and a diagnosis method of the failure mode of the buried pipeline ball valve based on valve cavity pressure detection. Firstly, the valve cavity pressure signal generated by the internal leakage of the ball valve is detected by the pressure sensor, and the valve cavity pressure signal is denoised by wavelet threshold denoising. Then, the back propagation (BP) neural network has the disadvantage of unstable learning ability, so the BP neural network is optimized by chaos sparrow search optimization algorithm (CSSOA-BP). Finally, the prediction model of the ball valve internal leakage rate and the diagnosis model of the ball valve failure mode are established by using CSSOA-BP neural network and the characteristic parameters of the valve cavity pressure signal. To verify the performance of the prediction model and the diagnosis model of CSSOA-BP neural network, the predictive results and diagnostic results are compared with those of the sparrow search algorithm optimization BP (SSA-BP) neural network and BP neural network. The experimental results show that the maximum prediction error of CSSOA-BP neural network is the smallest, which is 13.6%. The accuracy of the diagnostic results of CSSOA-BP neural network is the highest, which is 83.3%. It indicates that the proposed method can achieve better predictive results of the ball valve internal leakage rate and more accurate diagnostic results of the ball valve failure mode.     

混沌序列的神经网络实现

利用BP神经网络,对非线性系统产生的混沌序列进行学习,逼近该非线性系统的映射特征,从而使自身具有混沌特性,成为具备混沌输出能力的神经网络,建立了基于神经网络的混沌序列产生模型(CGNN).此方法利用具有学习能力的神经网络,它不需要针对某一种非线性映射设计单一的系统结构.并利用DSP技术在CGNN基础上,制成了混沌神经网络协处理机插板,将其产生的混沌序列作为密钥,用于信息的保密通信.     

中速磨存煤量软仪表监测

利用混沌运动初值敏感性,能在一定范围内按其自身规律不重复的遍历所有状态获取全局最优值的特点,在电厂现有的DPU中编程实现基于混沌优化BP网络的中速磨存煤量软仪表。离线训练与计算机仿真结果表明,本软仪表具有可行性和有效性,对实际生产具有指导意义。     

基于神经网络的大型回转支承典型故障诊断方法

通过对大型回转支承振动信号的分析,提出了基于神经网络的典型故障诊断方法,通过提取故障诊断特征向量,利用三层改进 BP 网络对回转支承若干典型故障进行研究和分析,发现神经网络技术能够有效地解决大型回转支承典型故障的模式识别问题.     

基于支持向量回归的轴承故障定量诊断应用

针对轴承故障状态特征与故障大小之间存在非线性关系,提出利用支持向量回归机建立轴承故障大小与状态特征之间的定量诊断模型,并给出了基于支持向量回归的定量诊断策略和诊断流程。在获取轴承不同故障大小的特征量的基础上,建立了轴承故障定量诊断的支持向量回归模型,将其用于轴承故障的定量识别。结果表明,该方法能够有效地判断出故障的大小。进一步将该方法与人工神经网络方法比较,结果说明了支持向量回归方法在轴承故障定量诊断方面具有更好的适应性。