基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

液相色谱-串联质谱法测定蜂蜜中9种青霉素

建立了用液相色谱-串联质谱(LC-MS-MS)测定蜂蜜中9种青霉素残留量的分析方法.3g蜂蜜样品用25mL pH=8.5的0.15mol/L磷酸二氢钠缓冲溶液溶解,用Oasis HLB固相萃取柱净化,目标物用乙腈-水(体积比1∶1)洗脱,定容收集液至3mL.采用电喷雾电离,正离子扫描,多反应监测(MRM)模式检测.0.5,1.0,2.0,5.0μg/kg 4个添加水平的回收率为76.9%～104.3%;相对标准偏差为3.29%～9.12%;方法定量限是:青霉素G、乙氧萘青霉素为0.5μg/kg,氧哌嗪青霉素、青霉素V、苯唑青霉素为1.0μg/kg,羟氨苄青霉素、氨苄青霉素、邻氯青霉素、双氯青霉素为2.0μg/kg.     

基于动力学仿真的柴油机轴系不对中故障探究

针对柴油机轴系齿式联轴器不对中故障,首先建立齿式联轴器轴向摩擦力数学模型,分析不对中产生的轴向摩擦力特点,然后构建包括齿式联轴器在内的轴系动力学仿真模型,探究齿式联轴器不对中故障下曲轴的动力学行为规律,分析曲轴推力轴承及齿轮的受力变化。仿真结果表明：不对中的齿式联轴器外齿元件会对内齿套产生轴向摩擦力,由此影响曲轴轴向窜动,进而导致曲轴止推轴承和正时齿轮轮齿接触力发生改变。通过实际故障案例验证了仿真结果的正确性。本文结论可为柴油机轴系故障的排查和诊断提供机理依据。     

基于时频图像GLCM-HOG特征的往复压缩机故障诊断

往复压缩机的故障诊断技术能够为工业生产提供有效保障,针对传统方法诊断准确率不高的问题,提出了一种基于振动信号时频图像灰度共生矩阵-方向梯度直方图(GLCM-HOG)特征融合的往复压缩机故障诊断方法.首先,采用小波变换的方法处理往复压缩机的振动信号,生成时频图像;其次,利用灰度共生矩阵(GLCM)和方向梯度直方图(HOG)的方法提取时频图像特征,融合构建GLCM-HOG特征;最后,将融合特征输入支持向量机(SVM)进行分类,以判别往复压缩机的运行状态.实验结果表明,所提方法对设备的状态识别准确率可以达到92.33％,能够实现往复压缩机的准确诊断.     

基于CART决策树的柴油机故障诊断方法研究

采用一种自适应局部有效值（RMS）计算方法提取柴油机缸盖振动信号时域特征,结合分类回归树（CART）算法建立故障分类模型并进行柴油机的状态识别。通过实验获取柴油机失火和撞缸两种故障工况及正常工况下的振动数据,计算出原始信号的局部RMS后,根据自适应阈值确定点火冲击区域和非点火上止点冲击区域提取局部特征,最后将特征输入CART算法中构建分类模型来验证所提取特征的有效性。结果表明：柴油机在3种状态下的识别率均达到100%,基于CART算法和局部特征提取的方法能够有效诊断柴油机故障。     

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点，提出了一种基于ReliefF、主成分分析（PCA）以及支持向量机（SVM）的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数，运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度；然后采用PCA进一步提取敏感特征，消除各特征之间的相关性，避免冗余；最后利用SVM实现机组的故障分类，诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中，结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征，并实现多种典型故障的诊断。     

改进变分模态分解在发动机气门间隙异常故障诊断中的应用

基于振动监测信号的故障诊断技术,对于船舶、油气田、核电等关键领域中大型高速柴油机的健康管理和智能运维具有重要意义。针对柴油发动机气门间隙异常故障,提出了基于振动数据驱动的故障诊断方法。首先,提出模态数量和惩罚因子均为自动优选的改进变分模态分解（VMD）方法,克服了传统VMD方法中上述参数需凭经验预设的缺点;进一步,对VMD分量进行多域特征提取,利用核密度估计方法进行特征敏感性的排序和选择;最后,构建全连接网络分类模型,将优选后的故障敏感特征通过分类模型进行故障识别。利用故障模拟实验台验证了不同工况下的气门间隙异常数据,结果表明本文所提的基于改进变分模态分解的气门间隙异常诊断方法故障识别率超过86%,具有良好的应用效果。     

变工况下基于加权理论的气阀泄漏诊断方法研究

往复式压缩机是石油化工等行业中不可或缺的关键设备,而压缩机结构复杂、故障率高,其中气阀故障是其主要的故障形式之一。同时,负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂,增加了故障诊断的难度。为此,探究了变负荷及气阀故障工况下示功图几何特征的变化规律,提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类,首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷,再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度,将加权证据融合理论应用于故障分类过程,最终获得精准的气阀故障评估结果。基于实验台数据,对不同泄漏率的气阀故障进行实验验证,负荷预测的准确率为97.5%,气阀泄漏故障识别的准确率为96.1%。     

基于逐级递推回流控制的压缩机负荷连续调节系统研究

针对石化工艺生产中产量变化时压缩机无法连续调节负荷造成的能量浪费问题,设计了一种基于可编程逻辑控制器（PLC）控制的压缩机负荷连续调节电液系统,主要由S7-300 PLC、电液控制阀、液压驱动器和液压动力单元等组成。系统采用局部行程压开进气阀的控制原理,实现了压缩机负荷在0~100%范围的全量程连续调节,并根据实际工艺流程需求设计了逐级递推式的PID控制回路。该系统能够根据后端工艺的需求自动调节压缩机负荷,保证了工艺量的稳定,同时避免了原打回流方式造成的能量浪费。     

组织蛋白酶L及其酶学特性研究

组织蛋白酶L很难通过常规的肌动球蛋白提取方法完全去除.由琼脂糖凝胶6B凝胶层析图谱显示,组织蛋白酶L的活性主峰明显偏离肌动球蛋白主峰,表明该酶是肌动球蛋白非结合型酶.凝胶柱层析后测定L型组织蛋白酶粗酶液(Lmix)的活性,结果表明Lmix的热稳定性与pH和温度密切相关,其最适pH为5.0,最适温度为45℃.在最适pH5.0时,Lmix的活性随NaCl浓度的增加而增大.专一性底物及酶激活剂、抑制剂影响研究表明,Lmix为内含巯基的半胱氨酸型组织蛋白酶.