数据挖掘技术在故障诊断中的应用现状

随着我国综合国力的提升,企业的生产设施日趋复杂化。设施的状态与一个企业的经济效益有着密切关联。怎样能够及时地发现设备故障、提前预测故障具有重要的意义。数据挖掘技术具备智能挖掘设备的故障信息的性能,还能及时对设备实行诊断,在某种程度上极大地帮助了维修人员。为此,就数据挖掘技术在故障诊断中的应用作一阐述。     

闭孔泡沫铝有效热导率模型及传热模拟研究

有效热导率是表征闭孔泡沫铝热性能的重要参数,准确预测闭孔泡沫铝的有效热导率具有重要意义。本研究基于已有的闭孔泡沫铝有效热导率模型,提出了一个改进模型,并采用数值模拟方法针对闭孔泡沫铝的非稳态传热过程进行了分析,基于温度场分布获得了有效热导率。结果表明与Lu模型相比,改进模型的预测精度更高;与文献中3个理论模型相比,改进模型具有更好的适用性及预测精度;当采用数值模拟方法计算有效热导率时,沿传热方向的胞孔数对有效热导率的预测精度影响较大;在保证泡沫铝胞孔数足够的条件下,数值模拟结果的精度最高;从成本及精度两方面考虑,改进模型有更好的适用性。     

水解反硝化+AO工艺污泥减量及菌群解析

试验采用水解反硝化+AO工艺处理城镇废水,系统连续运行九个半月,日处理量48m~3,期间无污泥外排。在系统出水达标前提下进行污泥减量研究,计算系统污泥产率系数来衡量污泥减量效果。整个试验阶段中,污泥产率系数为0.112gMLSS/gCOD,远低于所在污水厂的污泥产率。陶厄氏菌属与颗粒污泥的形成及污泥减量有关,红假单胞菌属、Methyloversatilis、短杆菌属、弓形感菌属、链球菌属和拟杆菌属等是污泥减量中的重要菌群。从碳水化合物活性酶分析,GHs和CBMs两种活性酶能促进污泥减量。     

基于主成分分析与ILM-DGRBF网络的SOH估算

针对锂离子电池健康状态(SOH)估算精度低的问题，提出一种基于主成分分析(PCA)与改进LM算法 双高斯核RBF(ILM DGRBF)神经网络的方法，实现了SOH的准确估算。首先，提取与锂离子电池容量衰退高度相关的健康因子(HI)，采用PCA方法进行降维处理，减少HI之间冗余度。其次，创建双高斯核RBF神经网络，利用改进LM算法实现网络参数在线学习，建立ILM DGRBF神经网络。再次，利用数据增强的电池测试数据训练ILM DGRBF实现SOH估算。验证表明，经PCA降维得到的主成分1能够有效地反应锂离子电池的老化趋势，可用于SOH的估算；与其他模型相比，所建ILM DGRBF模型具有更高的估算精度和更好的鲁棒性，估算结果的误差控制在15%以内。最后，基于该方法构建一种新的SOH智能估算系统，为电池安全管理提供参考依据。