基于深度特征学习的汽轮机转子状态识别方法

复杂汽轮机转子振动信号的非平稳性和非线性等问题,会严重影响到汽轮机转子的状态识别。为了保证汽轮机转子的安全运行,提出一种基于对称点模式(symmetrized dot pattern,SDP)特征融合的卷积神经网络(convolutionneural network,CNN)状态识别方法。该方法通过基于SDP分析方法对汽轮机转子各方向、各位置的信号进行特征融合,获取融合特征的SDP图,最终基于CNN进行融合特征SDP图像识别,实现转子故障状态识别。与其他状态识别方法相比,该方法提高了不同状态特征的表征差异,进而提高了学习效果和识别精度。同时,对比实验结果表明,相较于其他状态识别方法,该方法对转子振动状态识别精度最高,达到了96%。     

高浓度二氧化碳分解酚钠工艺小结

前言酚钠酸化分解制粗酚,有几种工艺方法可采用。因酚钠是一种弱酸强碱的盐,所以任一种酸性比酚强的酸,均可酸化分解酚钠。过去传统有余气二氧化碳可供利用。如采用二氧化碳酸化分解工艺,则设备简单;生产中生成的 Na_2CO_3可回用到废水溶剂脱酚配碱用;也避免了废渣的处理。我厂环保科和基建科在可行性研究基础上,方案设计时,决定采用二氧化碳分解工艺。CO_2酸化分解的反应机理如下式:     

基于知识推理的变压器局部放电故障检测技术

局部放电故障诊断是用于检测电力系统设备中的高压绝缘内的缺陷。但是由于相关的背景知识和专业领域知识有限,从原始的监测数据中提取有价值的故障信息就面临了很大的挑战。文中开发了一个基于知识推理系统的变压器的局部放电故障检测技术。对局部放电传感器所采集的信息进行处理,获得相位解析的三维图,并通过对三维图进行分类、提取显著特征的方法对变压器故障进行诊断和定位。系统可以通过对大量广泛的局部放电行为的诊断和缺陷源的分类,支持在线设备状态评估和故障诊断。同时文中用此方法对一个未知的混合放电行为进行诊断,发现诊断精度高于传统的模式识别检测技术。