基于改进双树复小波的光谱去噪算法研究

为了消除可见光近红外光谱噪声,提高利用光谱曲线进行信息提取的精度,提出一种改进双树复小波变换(DTCWT)的后验估计及广义形态滤波的光谱去噪方法。首先对带噪信号进行双树复小波分解,将信号的高频部分和低频部分进行分离。然后分别采用最大后验(MAP)估计算法和广义形态学滤波(GMF)对高频系数和低频系数进行去噪处理。最后对去噪后的高频系数和低频系数进行DTCWT反变换,得到去噪光谱。对USGS光谱库中的植被光谱以及铁铝榴石光谱进行实验,结果表明该方法易于实现,去噪效果理想,是一种很好的可见光近红外光谱去噪方法。     

软测量技术在动态流量测量中的应用

在电液比例阀和电液伺服阀动特性测试中,高频动态流量的测量一直是一个难题.在流量测量中引入软测量技术,以层流流量计的基本结构为基础建立动态层流流量模型,通过对压力差信号与油液温度信号进行在线测量并进行数值计算,可以得到连续变化的瞬时流量值.从而克服了传统流量计自身惯性的影响,显著提高了对动态流量测量的频率范围.     

液压实验中动态流量测试技术的现状与展望

本文简要介绍了国内外液压实验中普遍使用的动态流量测试方法以及各自的原理与特点。并着重分析了国内一些最新的发展动态以及尚且存在的问题，最后对今后动态流量计的发展趋势进行了展望。     

基于小波理论的电液伺服转台动态模型识别的研究

针对电液伺服转台数学模型辨识精度不高问题，提出一种基于小波理论的电液伺服转台动态模型识别方法。该方法利用小波的多分辨分析理论，通过对输入输出数据分别进行小波分解．通过加权处理使重构信号能够突出控制系统工作频段的信息，是一种与控制相关的辨识方法。仿真结果表明，这种方法要远远忧于传统的最小二乘辨识方法，为电液伺服转台控制器的设计提供了有力的保障。     

带钢冷轧AGC系统的数据挖掘与厚差溯源

为了获得轧制过程各扰动量的精确信息，改善冷轧带钢厚度控制（AGC）的控制效果，在AGC系统中引入了误差分析和误差溯源理论，对厚差产生的各种主要因素和环节作出了分析和描述。依托轧制过程数据库的大量数据，运用数据挖掘理论对轧制数据进行综合分析，将其中包含的主要干扰量进行逐一分离和溯源，通过回归分析确定各干扰量的性质与特征，并对回归分析得到的干扰量模型用神经网络进行校验。     

电液位置伺服系统非线性动力学行为研究

针对电液伺服系统非线性振动问题,利用SimHydraulics对阀控对称缸位置伺服系统进行建模仿真,研究在黏性阻尼、负载弹簧刚度、负载质量等自身结构参数和压力脉动、外负载、库仑摩擦力、管道长度及材质等外部主要因素的影响下,系统的非线性动力学行为.研究结果表明:对伺服系统非线性动力学行为进行研究,能够发现系统参数对系统动态特性的影响规律,对优化伺服系统的结构参数、提高系统运行的稳定性、防止系统产生非线性振动有重要的理论指导意义和工程实际意义.     

液压缸内泄漏故障的敏感特征参数选择的实验研究

该研究旨在解决液压缸内泄漏故障诊断中敏感故障特征的选择问题。分析了液压缸内泄漏故障的机理,阐明了泄漏对液压缸工作腔动态压力的影响,提出了一种通过调节旁路节流阀的开口度模拟液压缸内泄漏的实验方法。实验结果分析表明,采用小波包分解对液压缸工作腔的压力信号进行分析,最终确定用压力信号的小波包最低子带能量、小波包子带能量熵和小波包子带能量方差作为液压缸内泄漏故障的敏感特征量。研究结果对液压缸的泄漏故障诊断及健康状态评估具有理论指导意义。     

基于SVM和证据理论的多数据融合故障诊断方法

针对D-S证据理论很难确定基本概率分配(BPA)及支持向量机(SVM)的硬判决难获得概率输出的缺陷,融合D-S证据理论和SVM算法提出了一种多数据融合故障诊断新方法:利用"一对一"多类SVM分配了BPA,引入基于矩阵分析的融合算法解决了证据理论存在的计算瓶颈问题。对液压泵进行了试验,首先,采集了柱塞泵松靴、缸体与配流盘磨损等故障信号,应用小波包对采集的信号进行了预处理,提取了12个时频特征量;最后,用所提出的基于SVM和证据理论的多数据融合新方法进行了诊断。试验结果表明,新方法故障确诊率高,诊断有效。     

基于改进多任务学习网络的零样本故障诊断

多任务学习网络结构和参数冗余、网络规模过大，导致网络实时性差的问题；无法获取元件的部分或者全部故障类型样本，导致零样本问题。针对上述问题，提出一种基于元学习优化的轻量化多任务学习网络。为了提高实时性，利用MobileNetV3轻量化网络构建具有多个子任务诊断网络的轻量化多任务学习网络模型；研究了跨元件零样本问题，利用模型无关(MAML)元学习方法，对轻量化多任务学习网络的训练方式进行优化，构建基于元学习优化的轻量化多任务学习网络；最后，从不同微调步数和测试任务数角度，测试了所提网络的诊断性能。通过齿轮和轴承多元件的实测故障分析可知，所提方法可以实时高精度地解决多任务故障诊断问题和跨元件零样本问题。     

双变量小波阈值去噪和改进混沌预测模型在短期电力负荷预测中的应用EI北大核心CSCD

混沌预测是电力负荷预测研究的新焦点。该文提出双变量阈值函数和改进混沌预测模型相结合的新方法。该方法克服了传统最大Lyapunov指数预测模型对噪声干扰比较敏感、计算量大、预测时间长以及预测精度不高等缺陷。通过对典型混沌系统和实际电力负荷系统进行短期预测分析,证明该方法能较好排除无关因素对预测的干扰,缩短预测时间,有效提高预测精度。