基于局部敏感哈希 双层随机森林的燃气轮机剩余使用寿命预测

针对燃气轮机剩余使用寿命预测中监测数据信息利用不够充分、退化过程难以表示、预测精度低等问题,提出了一种基于局部敏感哈希-双层随机森林的燃气轮机剩余使用寿命预测方法.该方法首先使用主成分分析充分利用多维监测数据信息构建健康因子来表示退化过程,并通过滑动截取的方法在健康因子曲线上获取训练数据;然后,通过p-stable分布局部敏感哈希相似性搜索算法匹配和需要预测的样本最相似的样本;进而,使用双层随机森林对剩余使用寿命进行回归预测.利用C-MAPSS数据集验证了该方法的有效性和准确性,研究结果可为其他非线性退化系统剩余使用寿命预测提供一定的参考.     

茶叶品种鉴别的近红外光谱指纹图谱模式识别方法

运用傅立叶变换近红外光谱结合主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis)方法对七种不同品种的茶叶进行品种鉴别。采集七种样品的傅立叶变换近红外光谱指纹图谱,原始光谱经过多元散射校正(MSC)预处理后,运用主成分-马氏距离判别分析方法 (PCA-Mahalanobis distance discriminant analysis,PCA-MD)对茶叶的品种进行判别。所得PCA-MD模型对七种茶叶的分类正确率均为100%,说明模型具有较好的预测分类能力。结论:运用简便、快速、无损的近红外光谱分析结合主成分-马氏距离判别分析方法,为茶叶品种鉴别分类提供了一种快速简便、准确度高、精密度好、分析成本低、实用性强的鉴别方法和手段。     

基于主成分分析的硬件木马检测方法

针对侧信道检测方法检出率不高的问题,提出一种基于主成分分析结合马氏距离的检测方法.通过对芯片功耗进行建模分析,首先采用主成分分析法对旁路信息中的微小差异进行放大提取,获取主特征,然后使用马氏距离进行判别区分,识别硬件木马.基于自主设计的FPGA(field-programmable gate array)检测平台进行实验验证,结果表明:采用基于主成分分析结合马氏距离的硬件木马检测方法可以有效检测出占母本电路面积0.6%左右的硬件木马.     

基于EEMD-SVD与时域分析的马田系统轴承故障诊断

针对轴承初始故障发生的时间点以及退化趋势,提出了基于总体平均经验模式分解和奇异值分解方法(EEMD-SVD)与时域分析的马田系统故障诊断方法.该方法通过提取振动信号时域和时频特征,构建不同特征参数下的基准空间并利用正交表对特征参数进行降维和优化,最终融合成单一特征参数马氏距离.分别用马氏距离监测轴承运行状态,判断初始故障发生的时刻以及演化趋势,并依据马氏距离对轴承故障发展的过程进行了划分.该方法有效地提取了振动信号时频特征并优化了马田系统基准空间,更加准确地识别了轴承初始故障发生的时间点以及更加合理地划分了轴承的退化过程.通过两组滚动轴承加速寿命试验,验证了该方法的有效性和合理性.     

数据预处理在电子鼻评价鸡蛋新鲜度中的应用研究

采用电子鼻技术对鸡蛋新鲜度进行评价,采用主成分分析处理电子鼻响应数据.为选取合适的电子鼻数据预处理方法,以主成分贡献率及马氏距离分辨力为指标,比较了4种数据预处理方法对电子鼻检测鸡蛋新鲜度准确性的差异,分析了产生差异的原因.结果表明:Z-标准化对电子鼻数据预处理的方法能较好地区分鸡蛋新鲜度差异.     

信息集成方法选择变量与判别分析的应用

针对自变量较多,但每一变量携带信息较少的情况,提出通过信息集成选择主要变量的方法.经过相关分析检验,再应用马氏距离判别进行地震预报。模型由主成分分析、相关分析、马氏距离判别组成,利用华北地区地震数据进行了地震预报,取得了较好的效果.     

基于近红外光谱技术的苹果霉心病检测方法

为实现苹果霉心病无损检测,提高果实品质,以斗南苹果为研究对象,利用MPA近红外光谱仪,采集了100个苹果,4000~12500cm-1波长范围内的漫反射光谱。将主成分分析(PCA)分别与马氏距离判别模型和Fisher判别模型结合,比较两种判别模型对霉心病的判别精度。试验结果表明：在对苹果样品全波段光谱数据进行主成分分析后,将前10主成分作为输入变量建立判别模型,马氏距离判别模型正确识别率为97.14%,Fisher判别模型的正确率为88.57%,马氏距离判别模型明显优于Fisher判别模型。     

基于熵理论的加权马氏距离及其应用

分析了加权马氏距离判别分析中的权值问题,提出了用熵理论来确定加权马氏距离中权值的方法。实证分析显示基于熵理论的加权马氏距离要优于基于主成分的加权马氏距离。     

基于马氏距离的竞争失效可靠性分析

为了解决产品退化失效与冲击失效共存的竞争失效下可靠性评估,提出了一种基于马氏距离的评估方法.引入马氏距离将多元退化数据降至一元马氏距离,采用具有随机影响的Wiener过程进行退化建模.研究了泊松过程以及固定时间发生的两类极端冲击过程,建立了同时考虑变阈值和最小冲击幅值的相关竞争失效模型.采用裂纹增长案例验证了所提方法的有效性,敏感性分析评估了模型参数对产品可靠性的影响.结果表明泊松过程冲击和固定时间冲击都对产品可靠性水平的分析值产生影响.      

基于海林格距离加权关键主元的流程工业故障检测研究

在采用主成分分析（principal component analysis,PCA）算法进行故障检测时,主元的选取及处理直接影响其故障检测的表现。对此,提出一种基于全变量表达（full variable expression,FVE）和海林格距离（Hellinger distance,HD）的故障检测方法。首先,利用FVE得到所有关键主元,即保留所有变量信息;然后考虑到与故障相关主元的重要性,定义基于海林格距离的变化率,用来衡量正常工况下主元与异常工况下主元的差异;对与故障发生更相关的主元进行加权,以突出与故障相关主元对于后续故障检测的影响;最后,考虑到降维后数据通常服从非高斯分布,利用改进的局部离群因子（local outlier factor,LOF）构建统计量,其相应控制限通过核密度估计（kernel density estimation,KDE）确定。数值实例及带钢热连轧实际生产数据验证了所提方法的有效性与优越性。     

基于相关向量机的发动机剩余寿命预测

针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机的发动机剩余寿命预测方法。首先通过核主元分析方法从发动机多维监测数据中提取退化特征信息;然后利用非线性模型将主元序列融合成反映发动机退化趋势的健康指数序列;最后采用相关向量机以历史失效数据为训练样本建立预测模型,对现有的发动机健康指数序列进行外推预测得到当前样本的寿命预测值。通过NASA Ames研究中心公开的涡轮风扇发动机仿真数据验证了该方法的有效性,其预测性能优于常用的支持向量机模型和过程神经网络模型。     

高输入阻抗达林顿晶体管的优化设计

提出了ＶＤＭＯＳ和双极晶体管复合而成的达林顿功率晶体管结构和工艺参数的优化设计方法，建立了设计模型。经验证设计结果和实验结果基本吻合。该研究对开发此类器件具有参考价值。     

改进的基于数据重构的KPCA故障识别方法

核主元分析(KPCA)方法相对于主元分析(PCA)方法在非线性过程监测方面具有一定的优势,但是KPCA很难找到由特征空间到原始空间的逆映射函数,这给基于KPCA的故障诊断带来了很大的障碍.为此,在KPCA故障数据重构方法的基础上,对故障识别指标进行改进.改进后的方法既能够识别单变量引起的故障,又能识别多变量引起的故障,而且减少了指标计算过程中的运算量,避免了传统故障识别方法只能实现单变量故障追溯的缺陷.将提出的故障识别方法在田纳西过程中进行了仿真研究,结果表明所提方法的有效性.     

KPCA与LTSA融合的转子故障数据集降维算法

针对核主成分分析(kernel principal component analysis,KPCA)和局部切空间排列算法(local tangent space,LTSA)在降维过程中无法兼顾保持数据全局结构特性和局部结构特性的问题,利用核函数的可线性叠加性质,提出一种将KPCA算法与LTSA算法融合的非线性降维算法....     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

基于K—S距离的GM（1，1）的机械设备剩余寿命预测

在工程应用中的振动信号大多为非线性非平稳信号,为了能充分利用工程中采集的振动信号中的信息．以kolmogorov—Smirnov检验为基础．提出了以K—S距离作为机械设备各退化状态退化指标的方法．根据经验设定机械设备完全失效对应的退化指标的阈值．用退化指标序列训练灰色模型,然后用训练好的模型预测退化指标的变化趋势．从而估计退化指标到达设定阈值时的时间并以此作为机械设备的剩余使用寿命．最后通过轴承的全寿命周期振动信号对其验证．结果表明所提出的预测方法可以有效地预测轴承的剩余寿命．     

一种基于动态更新神经网络的无监督雷达退化故障预测方法

为了克服传统雷达故障检测方法对专家经验依赖性强、耗费大量人力物力、容易造成过度检修、无法对退化故障进行提前告警等缺点,提出了一种基于动态更新神经网络的无监督雷达退化故障预测方法。首先通过微波测量设备采集峰值功率和工作频率历史数据,其次利用动态更新神经网络对历史数据进行动态更新并预测后续数据,最后采用孤立森林方法对预测数据进行无监督故障检测,以此实现雷达退化故障预测并提前告警。结果表明,本文提出的方法可至少提前10个时间步(100 min)预测退化故障并实时告警,能够在小样本、无故障样本、无特征提取、无人工阈值的情况下实现雷达退化故障预测。     

基于差分进化和核主元分析的燃气轮机故障检测

燃气轮机气路部件的状态检测参数具有极强的非线性,其故障特征难以提取,而利用传统核主成分分析(KPCA)进行故障检测难以对核参数进行科学取值,从而降低故障检测的准确性.针对该问题,论文提出了基于优化混合核的核主元分析故障检测算法(DE-KPCA).首先建立动态权值混合核函数,通过调节核函数的权重比实现全局映射和局部映射优化组合.以样本检测精度作为优化目标,对混合核参数进行逐次优化.最后构造了基于优化混合核函数的主元异常状态检测方法,实现对燃气轮机气路故障的在线检测.本文通过对双轴涡喷发动机气路故障仿真的验证,证明了该方法相较传统KPCA检测,能够实现核参数的科学取值且对燃气轮机气路故障检测具有更高的准确性和实用性.     

基于解析冗余关系理论的电力电子电路健康预测

讨论了电力电子电路中元器件级的健康预测。元器件级的剩余使用寿命是通过反推残差信号方法得到的。首先利用键合图建立系统的动态模型,得到全局解析冗余关系,通过故障特征矩阵进行故障检测与隔离;然后与元器件的退化模型相结合的方法,得到元器件相对应的残差退化曲线,从而获得元器件退化过程数据样本。根据元器件的等效电阻与残差的退化关系,结合故障阈值与失效值和极限学习机(extreme learning machine,ELM)算法可计算出元器件级的剩余使用时间。最后将该方法应用于典型电力电子电路Buck电路中,在20-sim软件和Matlab仿真环境中进行联合仿真,验证了此方法的有效性。     

一种输油泵机组故障诊断与健康评估方法

输油泵机组是长距离油品传输的关键设备,有效预防其出现突发故障、减小故障造成的损失至关重要。然而目前针对输油泵的故障诊断方法在现场应用时普适性不佳,且缺乏针对机组一体的监测诊断研究,不利于计划性维修。此外,受现场可提供数据的限制,现有的输油泵状态评估方法在很多现场无法使用。针对上述问题,提出一种输油泵机组故障诊断与健康评估方法,利用迁移学习提高输油泵故障诊断在工业现场应用时的准确率;通过搭建实验台并对电机运行状态进行监测、分析,构建电机机械类故障诊断模型;构建基于卷积-长短期记忆神经网络(CNN-LSTM)的状态评估模型,并以此为基础利用时序卷积网络(TCN)结合注意力机制进行状态趋势预测。在现场试运行的结果表明,本文提出的故障诊断及状态评估方法可以及时发现设备的早期故障,为设备运维提供有效的数据参考。