基于WSN的核电设备振动监测节点设计

为了保证核电设备的安全运行,对核电设备的实时状态监测是必要的。设计了基于WSN的核电设备振动监测的原型节点。研制了频域上计算振动烈度和频率的算法,并对其关键参数做了详细分析。该节点前端实时更新振动烈度和频率,通过无线模块传输数据。将WSN应用于核电设备监测,可有效提高设备运行的安全性,为状态维修提供条件。     

三维光电催化氧化对硝基苯酚的研究

对硝基苯酚(p-NPh)类废水具有很强的"三致"性,可生物降解性差,在环境中长期滞留、富集会严重危害人类的健康。将自制的TiZnSn/AC粒子电极应用于光电体系下p-NPh模拟废水的降解研究,探究了粒子加量、p-NPh浓度、pH和电流密度对其处理效果的影响。据对硝基苯酚降解过程中COD值和紫外-可见吸收光谱的变化可知,在自由基等活性基团作用下,p-NPh经开环逐渐被氧化为小分子物质直至被全部降解。证明该粒子构成的三维光电催化体系对p-NPh有很好的降解能力。     

微尺度反应技术及其在纳米材料制备中的应用

回顾了微尺度反应技术的发展及其在纳米材料制备中所展现的广阔前景。根据约束反应空间的边界特性,反应空间被分为软约束型和硬约束型两大类,具体讨论了在反相胶束、吸附层、硅酸盐的层状间隙、微孔道等微尺度空间中的反应过程和特性。     

基于稀疏残差距离的多工况过程故障检测方法研究

针对多工况过程,本文提出一种新的基于稀疏残差距离（Sparse residual distance,SRD）统计指标的故障检测方法.首先对正常的多工况标准化后数据直接进行稀疏分解,提取多个工况数据间相关关系,得到字典和对应的稀疏编码,以便构建全局检测模型,避免分工况且突出数据特征.然后计算正常多工况数据的近似值,构建稀疏残差空间,提出计算稀疏残差k近邻距离构建故障检测统计量,利用k近邻捕捉过程具有的非线性、多工况特征.最后通过数值案例和TE（Tennessee Eastman）生产过程进行仿真实验,验证了所提方法的有效性.     

基于统计模式分析的多变量连续过程故障检测

针对一些批处理过程中,如同步批轨迹处理和多峰分布等问题,提出了一种基于统计模量(statistics pattern analysis,SPA)分析连续过程的故障诊断方法.FD-SPA和MPCA的显著差别是前者的监测对象是批次变量的统计特征,而后者监控过程变量.MPCA通过分析过程变量的方差—协方差进行故障检测,在SPA中,既要统计过程变量的均值与方差,又要统计过程变量间的协方差结构、偏度、峭度、自相关和互相关性.提出了一种基于滑动窗口的统计模量方法监测非线性的连续过程,使故障检测的准确性与可靠性得到提高.通过在TE过程中与传统的MPCA和KNN方法对比,验证了此方法的有效性.     

一人之言

很多年前,在我的一发讲座结束之后,一位影友走上来问我：“在你拍摄的风光照片里,很少看见有人在,但我在拍摄风光照片的时候,总喜欢有人在里面。那么我这样去拍是不是错的？”     

基于LPD-NMF的多模态过程监视

为了提高NMF方法在方差差异明显的多模态过程中的监视效果,提出一种基于LPD-NMF的多模态过程监视方法.对多模态过程训练数据运用局部概率密度(LPD)进行预处理,消除方差差异明显的多模态特性.运用非负矩阵分解算法进行降维和局部特征提取,计算每个低维样本与其k个近邻欧氏距离的平方和,使用核密度估计(KDE)算法来确定控制限进行多模态过程监视.将该方法应用于数值例子和半导体数据,结果表明,其过程监视结果优于常规kNN、WkNN和LPD-kNN方法.     

多个力传感器的共同测试技术

本文介绍了用多个力传感器共同实现对一个力负荷进行测试的信号采集方法和数据处理方法。     

基于改进的局部近邻标准化和kNN的多阶段过程故障检测

针对多阶段过程数据具有多中心和各工序结构不同的特征问题,提出了一种基于改进的局部近邻标准化和k近邻的故障检测（ILNS-kNN）方法。首先寻找样本的前k个近邻样本的前K局部近邻集;其次使用局部近邻集的均值和标准差来标准化样本,获得标准样本;最后在标准样本集上计算样本的累积近邻距离作为检测指标进行故障检测。改进的局部近邻标准化（ILNS）将各阶段数据的中心平移到原点,并且调整各阶段数据的离散程度,使之近似相等,从而将多阶段过程数据融合为服从单一多元高斯分布的单阶段数据。进行了青霉素发酵过程故障检测实验。实验结果表明ILNS-kNN方法对所设置的六类故障的检测率高于97%。ILNS-kNN方法在保持对一般多阶段过程故障的检测能力的同时,能够实现对阶段方差差异显著的多阶段过程故障的检测,从而更好地保证多阶段生产过程的安全性和产品的高质量。     

基于判别核主元空间k近邻的批次过程监视

针对批次过程非线性、多模态等特征,提出一种基于判别核主元k近邻（Dis-kPCkNN）的故障检测方法。首先,在核主元分析（kPCA）中,高斯核的窗宽参数依据样本类别标签在类内窗宽和类间窗宽中判别选取,使得核矩阵能有效提取数据的关联特征,保持数据的类别信息;其次,在核主元空间中引用k近邻规则代替传统的T²统计方法,k近邻规则可以有效处理主元空间非线性和多模态等特征的故障检测问题。数值模拟实例和半导体蚀刻工艺过程仿真实验表明:基于判别核主元k近邻方法可以有效地处理具有非线性和多模态结构特征的故障检测问题,提高计算的效率,减少内存的占用,并且故障检测率明显优于传统方法。