基于样本熵的风力发电机早期故障检测

针对发电机定子匝间短路和转子断条等早期故障特征具有幅值小、非稳态、易受工况影响等特点,引入样本熵算法实现风力发电机定子电流和电磁转矩信号特征提取,并模拟不同负载条件下故障信号,实现定量参数分析。分析结果表明,样本熵算法适用于在变工况及噪声干扰条件下,对短数据参量进行分析并实现故障特征定量描述,可用于风力发电机早期故障检测和实时在线监测。     

基于长短期记忆网络的风电机组齿轮箱故障预测

针对风电齿轮箱状态监测数据的多变量动态时空关联性特点,提出了一种基于长短期记忆(long short-term memory,LSTM)网络的齿轮箱故障预测方法,主要包括离线建模和在线监测两个阶段。首先,以齿轮箱油温为目标预测变量,充分考虑其与其它相关输入变量之间在时空维度上的重要关联信息,对历史监测数据进行训练学习,建立齿轮箱正常运行时的油温监测LSTM模型,通过对预测残差进行评估计算设定相应的检测阈值;然后,将训练好的油温监测LSTM模型用于在线测试,通过模型残差分析和阈值比较实现齿轮箱故障状态的检测和预测;最后,通过风电场测试数据对所提出的方法进行验证。结果表明,相比于其它传统方法,该方法表现出更好的预测性能,能够较早预测故障的发生。     

路堤下软土地基承载力的计算研究

荷载分布为梯形、软土地基因固结强度会提高是路堤下软土地基承载力的主要特征。基于这种特点, 推导了能考虑软土固结影响的地基承载力计算公式, 研究了其计算方法, 并用软土地基上路基填筑实例进行了对比分析, 计算结果与工程试验结果吻合良好, 为计算路堤下软土地基承载力及其增长、推算各阶段路堤填筑安全高度提供了一种有效方法。     

Windows95曲控实时服务的一种驱动方法

编写硬件中断服务程序是面向Ｗｉｎｏｄｗｓ９５实时系统的一项关键技术,它直接影响到系统的实时性能。本文详细分析了Ｗｉｎｄｏｗｓ环境下的动态链接库（ＤＬＬ）技术。通过一个实例,给出相应的程序。这些程序作者在Ｗｉｎｄｏｗｓ９５环境下开发的《铁路信号实时控制》工程系统中得以实现。     

基于PCA和多变量极限学习机的轴承剩余寿命预测

提出了一种基于主成分分析(PCA)和多变量极限学习机(MELM)的轴承剩余寿命预测方法。该方法首先利用PCA技术融合多个表征轴承运行状态与衰退趋势的时域频域特征指标来消除特征间的冗余性和相关性;进一步在单变量极限学习机(ELM)的基础上构建多变量极限学习机模型来预测轴承剩余寿命。该方法克服了传统单变量极限学习机结构简单、信息匮乏等缺点,能有效提高轴承剩余寿命的预测精度。运用全寿命轴承振动数据对模型进行验证,结果表明,相比单独应用ELM模型或MELM模型,基于PCA和MELM剩余寿命预测方法具有更高的预测精度和稳定性。     

供热系统三维仿真建模研究

介绍了虚拟现实(Virtual Reality)技术及其三维建模语言VRML,阐述了虚拟现实技术在供热系统中的应用.将供热系统分为锅炉、换热站及居民小区三部分,对其进行分别建模,最后通过各路管道组成供热系统,实现了虚拟现实技术在热工行业中应用.     

可循环微泡沫钻井液的防塌机理及应用研究

微泡沫钻井液是有效解决井漏的钻井液体系之一,但其稳定井壁的效果有待验证,并成为了是否选择微泡沫钻井液施工的关键因素之一。总结提出了微泡沫钻井液稳定井壁的7种作用机理,实验对比研究了常规水基钻井液与微泡沫钻井液的稳定井壁效果。结果表明,微泡沫钻井液的井壁稳定能力较常规水基钻井液更强,为现场施工选择微泡沫钻井液提供了理论基础和实验依据。成功的现场试验表明,微泡沫钻井液不仅可以有效防止井壁坍塌、井漏等复杂事故,还可提高钻井速度、保护油气层、节约钻井成本。     

INS/GNSS组合导航系统校准方法

惯性导航系统(INS)和全球导航卫星系统(GNSS)组合的导航系统应用越来越广泛,它的校准问题亟待解决。本文简要介绍了目前广泛使用的各种导航系统,论述了INS/GNSS组合导航系统的工作原理及组合算法;详细分析了INS/GNSS组合导航系统各种测试及校准方法,比较了各种校准方法的优缺点;提出了INS/GNSS组合导航系统校准装置应具备的条件:可产生标准的空间位置和速度、可产生标准的姿态角度变化、可有效地接收GNSS卫星信号、统一的时间基准与同步信号。     

定位定向接收机校准技术研究

介绍了全球导航卫星系统的组成与应用,利用本实验室的短基线场,对定位定向接收机进行实际大地坐标的定位与定向校准实验。给出了实验原理、实验过程及实验结果;并通过仿真机产生标准信号对接收机进行校准实验,对两种校准实验结果进行比较,分析了影响因素。     

基于非线性时间序列的预测模型检验与优化的研究

 模型的适用性检验和参数优化是系统建模的最关键环节,对于预测模型的适用性检验,常采用残差方差图、最小信息准则和AIC准则等方法,存在计算量大、准确性低、模型不唯一等缺点.本文给出采用自相关系数和偏自相关系数的拖尾先对ARIMA模型检验,再对其进行F适用性检验,克服了由于观测样本的长度是有限的,偏相关的估计存在误差,拖尾时不能为ARMA定阶的缺陷,并采用具有超线性收敛性等诸多优点的变尺度法对模型参数进行了优化,得到了较为精确的、单一AIRMA 模型,该方法可应用于网络流量模型的适用性检验和模型优化,为网络流量的预测、异常检测和服务器负载预测的应用奠定了坚实的基础.