风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比(envelope harmonic-to-noise ratio,简称EHNR)和无迹粒子滤波(unscented particle filter,简称UPF)相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型(support vector regression,简称SVR)、反向传播神经网络(back propagation neural network,简称BPNN)的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。     

350MW机组采暖集水箱液位自动控制的完善与实现

辽宁东方350 MW机组采暖集水箱液位自动控制,投产时设计是采用磁翻板就地液位显示加液位接点输出液位高低等信号,配合电气疏水控制系统实现水位自动控制回收系统。运行8年来,该系统经常发生由于液位接点动作故障致使液位自动控制不正常,只能靠人工定期就地控制。为了解决这个问题,从根源上进行了分析,温度是影响原磁翻板液位控制系统正常运行的主要原因,结合原设备的实际状况,在不投入大量改造的基础上又能够解决问题的前提下,利用压力液位的关系特性,提出了相应的改造方案,在实施中得到了非常好的效果,不但设备运行良好同时带来了不菲的经济效益。     

邯郸埃斯尔雾化粉末有限公司

<正>邯郸埃斯尔雾化粉末有限公司创建于1995年,占地面积10600平方米,总投资1200多万元,年生产能力1500多吨。本公司是由英国提供的世界一流的超高压水雾化、(氮气保护)生产设备和技术。现有两套水雾化、(氮气保护)生产流水线。主要产品有:1、压制-烧结制品用不锈钢系列,工具钢系列,铜合金粉末。(通用型-100目和-80目粉末。)2、粉末冶金注射成形制品,注射成形用微细(2-30微米)不锈钢粉末及其它合金粉末。     

125I粒子条联合胆道支架植入治疗恶性梗阻性黄疸22例疗效分析

【摘要】　 　目的 研究和探讨125I粒子条联合胆道支架植入治疗恶性梗阻性黄疸的临床疗效。方法 2011年6月—2013年9月收治恶性梗阻性黄疸患者40例。行胆道支架植入术治疗患者18例，为对照组；采用125I粒子条联合胆道支架植入患者22例，为观察组。两组均采用经皮肝穿刺胆道引流（PTCD）并胆道支架植入。结果 观察组与对照组的平均胆道开通时间分别为（8.7 ± 0.7）和（6.2 ± 0.4）个月，两组比较差异有统计学意义（P < 0.05）。观察组与对照组术后平均生存时间分别为（11.4 ± 0.8）和（8.7 ± 0.5）个月，生存时间的差异有统计学意义（P < 0.05）。术后近期疗效及并发症两组之间的比较无明显差异（P > 0.05），但是远期疗效有显著差异（P < 0.05）。结论 与对照组相比，观察组的术后生存时间及胆道开通时间明显延长，对于125I粒子条联合支架治疗恶性梗阻性黄疸值得进一步临床研究。
     

粒子流粒子滤波检测前跟踪方法

检测前跟踪通过在连续多帧观测中对目标信号进行非相参积累以检测和跟踪微弱目标。积累的关键在于对目标轨迹的准确估计和多帧迭代滤波。传统粒子滤波器过于依赖建议分布，对目标轨迹的估计不够准确。新提出的粒子流滤波器是一种很好的替代方法，但其过于依赖当前时刻的量测而弱化多帧迭代滤波。本文提出一种在粒子滤波框架下采用粒子流的检测前跟踪方法:采用粒子滤波器进行多帧迭代滤波，但在每一帧内，采用Localized Exact Daum-Huang粒子流进行滤波。为了应对目标量测的不确定性，本文改造了Localized Exact Daum-Huang滤波器，为每个粒子在其邻域内寻找最大似然量测，并利用该量测更新粒子状态。Rayleigh分布杂波下Swerling1型起伏目标的检测和跟踪实验证明了所提算法的性能。      

基于粒子群优化和支持向量机的花粉浓度预测模型

为了提高花粉浓度预报的准确率，解决现有花粉浓度预报准确率不高的问题，提出了一种基于粒子群优化（PSO）算法和支持向量机（SVM）的花粉浓度预报模型。首先，综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素，选择与花粉浓度相关性较强的气象要素构成特征向量；其次，利用特征向量与花粉浓度数据建立SVM预测模型，并使用PSO算法找出最优参数；然后利用最优参数优化花粉浓度预测模型；最后，使用优化后的模型对花粉未来24 h浓度进行预测，并与未优化的SVM、多元线性回归法（MLR）、反向神经网络（BPNN）作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明，相比其他预报方法，所提方法能有效提高花粉浓度未来24 h预测精度，并具有较高的泛化能力。