基于改进AHP-FCE法的绿色房地产项目评估

科技的发展与社会的进步使人们对能源消耗和环境问题进行深思,社会各界人士开始注重“绿色发展”。绿色房地产项目顺应了我国可持续发展的战略目标。首先结合我国国情,借鉴国内外绿色房地产有关研究成果,从环境、经济,社会、管理4个维度,选取17个指标建立了绿色房地产项目评价体系;其次,运用层次分析-模糊综合评价(AHP-FCE)法确定各级指标权重,构建了绿色房地产开发评价模型;最后,通过案例分析验证了评价体系的可行性,并结合案例结果提出一些关于绿色房地产开发的建议。     

基于压力信号的小波神经网络往复泵故障诊断

为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.     

基于改进AHP-FCE法的装配式建筑安全风险分析

为了解决当下装配式建筑存在的技术不成熟、人才储备不足等诸多问题所引起的安全问题。运用德尔菲法结合领域内专家意见选取人员、环境、管理、设备、技术5个一级指标和19个二级指标,基于改进AHP-FCE方法,构建装配式建筑安全风险评估体系,确定各指标影响系数,最后进行比对排序,提炼影响装配式建筑安全的关键因素,并实证分析了某地装配式建筑项目的安全风险。结果表明：根据改进AHP模型计算,发现施工组织设计及施工方案、预制构件质量、节点连接准确度在安全风险影响因素中是主要影响因素,所占比重分别为0.302、0.203、0.141;进一步结合FCE法,实证评价某实地项目处于较小风险水平。本文的研究多维度揭示了装配式建筑的安全风险因素,为实地项目安全管理提供了意见参考。     

基于小波分析的故障诊断

对信号进行特征提取,是故障诊断的关键。突变信号往往对应着某类故障,如果能对突变信号进行有效识别,就能达到故障诊断的目的。对如何从混有噪声的振动信号中有效识别出突变信号,本文进行了一系列方法研究。     

基于小波包-改进神经网络的齿轮传动系统故障诊断研究

本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

基于小波分析和共振解调的故障诊断方法

介绍小波分析和共振解调技术的原理及在机械设备故障诊断中的应用。讨论小波分析和共振解调技术之间的内在联系与应用。     

基于小波神经网络的伺服直流电机故障诊断

研究了直流电机反映潜在故障特征的参数选取方法,并在此基础上建立了基于小波分析方法和BP人工神经网络技术的特征参量-故障映射模型模型。通过诊断结果与实际数据的分析、对比,验证了所建立的故障诊断模型能有效地实现潜在故障征兆提取和故障映射功能。     

基于AHP-FCE法在高职院校人才培养评估中的应用

人才培养评估工作是高职院校建设、改革和发展的＂助推器＂,是提高教育教学质量的有效手段。本文从人才培养评估工作对西藏职院的重要意义出发,以西藏职院评估指标体系为引例,运用AHP-FCE法构建评估模型,将评估过程中的模糊性问题用精确数学的方法进行定量化、归一化处理,从而验证评估结果的科学性和有效性。     

一种基于小波变换的包络分析法

对机械故障中常见的调制信号,包络分析法是一种有效的分析方法,为克服当前的包络分析法需要选择合适的滤波器参数的局性性,提出了一种基于小波变换的包络分析方法,运用小波包将调制信号分解到不同频率段上,提取需要的频率段成分进行重构,对重构后的信号作络细化谱分析就能有效地从原始信号中提取调制信息,仿真信号和实际动用都表明该方法能有效地提取信号的故障特征。     

基于压力信号的循环泵故障诊断小波神经网络技术

以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.     

喷油泵轴系扭振的特征分析与诊断

通过6135G柴油机喷油泵进行单缸停油、多缸停油等多种故障进行设置,用自制的柴油机多通道扭振仪进行扭振频谱特征分析,用神经网络进行故障智能诊断,收到良好的效果.     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

轴向柱塞泵故障诊断振动分析方法

论述了轴向柱塞泵常见故障及其产生机理；对目前柱塞泵状态监测和故障诊断所使用的诸多振动分析方法进行了比较和评述．     

小波消噪用于钻井泵阀泄露故障诊断

讨论了钻井泥浆泵阀的失效机理,提出影响泵阀寿命的2个主要因素是阀的冲击造成的阀的疲劳点蚀和由泥浆液的刺蚀、犁沟造成的冲蚀磨损。针对钻井泵现场工况,采用声信号进行诊断,泵阀声信号的特征是信噪比低、冲击信号丰富、故障信息的时域特征明显和非平稳性。因此通过对声信号的小波降噪处理,突出了泵阀失效的故障特征,Fourier分析很难达到这样的效果,说明小波分析对这类信号的消噪有着Fourier分析不可比拟的优点,同时通过消噪也为进一步诊断中特征量的提取奠定了基础。     

变速箱振动信号的分解及在故障诊断中的应用

建立了变速箱故障振动理论模型，模型考虑了箱体内部各齿轮、轴承和轴不对中时对箱体复合振动信号的影响．利用时域同步平均技术和小波分析技术分别将齿轮振动信号、轴不对中故障振动信号和轴承故障振动信号从箱体复合振动信号中分离出来，并利用分离出来的振动信号成功地诊断了变速箱的典型故障．     

基于粗糙集与模糊神经网络的多级压缩机诊断

为解决多级往复式压缩机故障诊断这一复杂问题,提出了一种棋于智能互补融合的智能诊断策略、该策略利用粗糙集理论对数据样本进行党费,形成初步的诊断规则,并基于该结果形成模糊神经网络,再利用网络的分类逼通能力,建立从故障状态空间至解释空间的精确映射,从而达到故障诊断的目的,另外,还提出了一种基于误差反馈的节点函数特性变化模糊神经网络逼近器和新的数据党费度量指标－数据蒸发率,对一台四级压缩机的故障诊断结果表明,提出的新方法具有诊断率和数据蒸发率高、结果易于被人理解、诊断计算最小等优点。     

机器振动诊断中信号处理方法的研究

针对传统的时域和频谱分析不很适合处理非平稳和冲击性机器表面振动信号的问题，研究了小波分析和Choi-Williams时频分布两种先进的信号分析方法在机器振动诊断方面的应用，通过对典型诊断实例的研究表明：对此类信号，用小波分析提取信号中的有用成分或用CChoi-Williams分布分析信号的能量分布，并在此基础上进行机器振动诊断，是两种很有效的分析手段。研究结果为进一步深入开展机器故障的振动诊断奠定了一定的基础。     

Fault Diagnosis of Reciprocating Compressors Valve Based on Cyclostationary Method

The relationship between second-order cyclostationary method and time-frequency distribution is studied,and cyclic autocorrelation(CA) function is indicated to be one sort of special time-frequency distribution method.Furthermore,a fault diagnosis method for reciprocating compressors based on empirical mode decomposition (EMD) and CA function is proposed,and then it is applied to the fault diagnosis of reciprocating compressor valve.Firstly,the vibration signal of reciprocating compressor valve is decomposed by using EMD method,and several intrinsic mode functions (IMFs) are obtained.Secondly,the IMFs are evaluated by some denoising criterions to remove the noise and interfering ones.Finally,the CA functions of the remained IMFs are calculated,which will be used to reconstruct the CA function of the original vibration signal.Engineering application indicates that this method can sufficiently inhibit the cross-interference items of CA function.Therefore,more explicit working conditions of reciprocating compressor components can be achieved.     

液压泵故障诊断稀疏编码方法研究

针对液压泵故障特征难以提取、诊断过程复杂、自动化程度低等特点,将稀疏编码方法应用于液压泵故障诊断.通过对液压泵泵壳处振动信号进行时频域变换,将变换后的信号作为样本,采用K-SVD算法对训练样本进行字典学习以获取字典,利用正交匹配追踪算法对测试信号进行分解与重构,通过不同类别字典对测试信号的重构率大小进行故障种类识别,实现液压泵故障分类.通过试验验证并与BP神经网络、支持向量机对比,结果表明稀疏编码方法具有对故障识别速度快、准确率高、稳定性好等优点,可以有效地实现对液压泵故障的诊断.