进化小波网络及其在设备状态预测中的应用

结合小波网络和进化计算提出了进化小波网络策略,该策略采用控制级基因和参数级基因分别对网络结构和网络参数进行编码,并将遗传算法与进化规划结合进行进化操作,实现同时对网络结构与网络参数进行进化设计和学习训练。该策略不仅克服了网络训练中的局部极小和不收敛问题,也使网络结构更优,从而提高了网络训练和工作性能。最后分别就函数逼近问题、太阳黑子数预测问题及水轮机组的状态预测问题进行了事例研究,验证了所提出的进化小波网络策略的优越性能和可行性。     

125MW汽轮发电机组状态实时监测与故障智能诊断系统的设计及实现

状态监测与故障诊断是确保大型旋转机械正常运行的关键技术手段。现以１２５ＭＷ汽轮发电机组为对象，提出了由实时监测系统和故障智能诊断系统组成的分布式多任务信息处理系统的新构思，阐明了基于结构层次化和功能模块化的软硬设计方案。整个系统具有高速度、高精度、多通道、大容量和高性能价格比等特点，可广泛应用于各类汽轮发电机组的实时状态监测和故障诊断场合。     

不平衡磁拉力及对偏心转子系统振动的影响

研究了电机中由于相对偏心引起的不平衡磁拉力对转子系统振动的影响.首先把气隙磁导展开为Fourier级数的形式,通过转子或定子表面的Maxwell应力积分得到非线性不平衡磁拉力的解析表达式.然后代入到转子系统的运动方程中,采用隐式非线性NEWMARK积分法计算系统在不平衡磁拉力和质量偏心力作用下的动力响应,详细分析了电机参数对偏心转子系统振动的影响.研究结果为旋转机械轴系的动力分析及设计提供了理论依据.     

离心压缩机组状态分析系统的研究

状态监测和故障诊断是确保大型旋转机械正常运行的关键技术手段，本文以高速离心压缩机组为对象，提出了由状态识别系统，状态分析系统、专家咨询系统三层子系统构成的层次化工况监视与故障诊断系统的新构思，着重介绍了状态分析系统的实现方法，阐明了基于开发环境２技术和功能模块化技术的设计方案。     

小波和FHMM在旋转机械升降速过程中的应用

小波变换具有时频局部化的特点，可有效地用于非平稳信号的分析和处理。因子隐Markov模型(FHMM)是隐Markov模型(HMM)的扩展形式，适用于动态过程的时间序列的建模并具有强大的时序模式分类能力，特别适合非平稳、重复再现性不佳的信号分析。结合小波变换和FHMM．提出了基于小波变换的FHMM状态识别法，即从小波分解结构中提取一维信号的低频系数作为特征向量，以FHMM作为分类器．并进行实验研究。实验结果表明，该方法是有效的。     

盲源分离和小波消噪在碰摩声频信号分析中的应用研究

碰摩是现代旋转机械运行中常见的一种故障,文中尝试从声频信号的角度对碰摩故障进行分析。在实际环境中,碰摩声频信号常常受到噪声的污染,文中将盲源分离和小波消噪方法相结合,使用P．S．（pre-separation denoising,separation）和P．S．P．（pre-separation denoising,sepamtion,post-sepamtion de-noising）方法对碰摩声频信号进行分析处理,大大提高了信号的信噪比,取得了比较理想的实验结果。     

小波多重分形及其在振动信号分析中应用的研究

不同于许多基于FFT的信号分析方法,多重分形谱分析的是信号的几何结构特征。以前,多重分形谱的计算方法都有其固有的缺点,使多重分形谱的应用受到限制。而小波局部极大模方法因其简单性和有效性,近来在多重分形谱计算方面受到了广泛的关注。较系统地阐述了多重分形的概念和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在故障诊断领域的应用途径,并用多重分形谱对不平衡、油膜涡动、联轴器不对中和碰摩等旋转机械的4种典型故障的振动信号进行了事例研究。研究结果表明,多重分形谱能够很好的反映振动信号的几何结构特征,为机械设备故障诊断提供了又一种有效的方法。     

巴氏合金ZSnSb8Cu4的摩擦磨损行为

以巴氏合金ZSnSb8Cu4与45#钢为摩擦副,研究巴氏合金ZSnSb8Cu4在不同实验参数下的摩擦磨损行为。采用X射线衍射仪(XRD)、扫描电镜(SEM)和X射线能谱仪(EDS)对实验样品进行表征,分析其摩擦磨损机制。结果表明:巴氏合金试样在正常温度(130℃)下具有较低且稳定的摩擦因数和磨损率;当试样温度超过130℃时,巴氏合金表面的相成分发生明显变化,磨损率也急剧增大,磨损由以磨粒磨损为主的轻微磨损转变为以熔融磨损为主的严重磨损。     

基于多Agent的分布式故障智能诊断原型系统研究

近年来，基于多Agent的分布式故障系统已成功地应用于众多领域，本文将多Agent技术应用于故障诊断领域研究，以开发故障智能诊断的多Agent系统，提出了基于原型系统 的基本框架和系统实现途径及方法，其中着重研究了基于多Agent理论的诊断问题分布式任务分解与控制问题，以及诊断Agent之间的协调合作问题，原型系统的研究，为实际应用系统的研制开发提供了理论指导和方法依据。     

基于网格支持矢量机的涡轮泵多故障诊断

支持矢量机是一种基于结构风险最小化原则的机器学习方法,对小样本决策具有较好的学习推广性.由于常规支持矢量机算法是从二类分类问题推导得出的,在解决故障诊断这种典型的多类分类问题时存在困难,为此提出一种网络支持矢量机多类分类算法,用每个类别和其他两个至四个类别构造二类支持矢量机分类器.这些二类支持矢量机分类器组合而成的网格式结构多类分类器,具有容易扩展、重复训练样本少、速度快和识别正确率高的优点.将网格式结构多类分类器应用于涡轮泵试验台多故障诊断获得了令人满意的效果.