基于事件驱动的矢量监测方法

针对传统状态监测方法之不足 ,提出了矢量监测方法 ,对矢量监测方法的步骤及自学习阶段极限值的确定进行了详细的分析 .     

基于事件驱动编程机制的软件表示方法研究

本文针对事件驱动程序设计的特点，在ＯＯＡ方法和传统的结构化方法的基础上，提出了了一种支持事件驱动程度设计的软件表示法ＨＣＯＤ，本文介绍该方法的思想，支持的开发模型及相应的表示法。     

事件驱动应用程序的实现策略

事件驱动（Event Driver)机制是一种与传统的顺序驱动或过程驱动机制完全不同的控制机制，文中论述其实现策略，及其在应用程序和用户介面设计中的应用。     

基于业务规则的事件驱动建模方法

为使企业信息系统的分析与设计能有效管理业务逻辑的高度复杂性,适应业务环境的易变性,该文在结构化分析与面向对象设计方法的基础上提出一种复合型的业务过程建模方法。其指导思想是将事件驱动的业务规则作为贯穿建模过程的主线,同时引入业务对象的参考模型,能更深刻地揭示系统内部组成单元的动态交互特性,并增加对象识别与提炼的规范性。此外,还运用分布式对象技术和组件技术规划了企业应用程序与业务对象的运行模式。由于业务知识被作为可更改的规则封装在分布式对象服务器的内部,从而可为信息系统的重构和再配置提供有力支持。     

基于离散状态事件驱动仿真方法的牵引变流器能量平衡控制策略

目前,面向牵引的电力电子变换器应用广泛,但是这类大功率装置对可靠性的要求较高,并且需要避免器件应力导致的过压问题,因而对直流母线电压的稳定性提出了很高的要求。由于牵引变流器的工况随着机车运行情况的变化而变化,因此其单向整流器的控制策略应具有可靠的高性能,以保证直流母线电压的抗扰性和随动性。该文提出针对牵引变流器的单相整流器能量平衡控制策略,该策略能够提高单相整流器动态性能。在研究控制策略的过程中,需要进行多组参数的对比测试以及多种工况的仿真,因此需要一种高效、高精度、收敛性好的仿真工具。该文利用离散状态事件驱动(discrete state event driven,DSED)仿真方法,针对牵引变流器搭建了数值仿真平台,在同平台实现了多时间尺度(系统级动态过程和器件级瞬态过程)的高效、准确仿真评估。基于DSED牵引变流器仿真平台,将单相能量平衡控制与经典PI控制方法进行了对比。实验结果表明:能量平衡控制在各类动态过程中均表现出响应速度快,有效抑制直流母线波动的特点。同时,结合能量平衡控制与模组电容连接母排结构,能够明显减小关断电应力和器件使用所需留出的余量。     

FMS状态监测与故障诊断集成系统研究

针对目前监测与诊断系统的不足，在分析ＦＭＳ多发性故障机理的基础上，提出了一种柔性制造环境下基于质量控制的状态监测与故障诊断集成系统的实现方法，着重介绍了监测与诊断策略，该系统经过实验验证，表明了其有效性与合理性。     

Motif的事件驱动机制

阐述了Ｘ，Ｘｔ以及Ｍｏｔｉｆ之间的关系，分析了Ｍｏｔｉｆ事件驱动的机制，介绍了Ｍｏｔｉｆ客户程序的结构。     

基于事件驱动的一种推理策略

针对一些领域中推理目标明确、交互性强的特点,进行了推理方式的设计.在知识库的设计上,将复合产生式转化成了二叉树的形式,使之仅包含一个操作符、最多两个原子命题.在推理方式上,根据推理目标明确的特点使用逆向推理方式进行了必要规则的选取,并使用事件机制与正向推理方式满足了交互式的需求.     

轴承状态监测中的模糊诊断方法

针对轴承在实时监测中特征参数值的不确定性,基于模糊逻辑,探讨轴承故障诊断中的模糊诊断方法,以提高诊断系统的精确性。     

事件驱动的多任务智能调度方法

目前多任务调度问题非常普遍,然而在开放动态环境中多任务调度经常会遇到大量不确定性,导致任务调度崩溃。为此,以事件驱动程序结构为框架,用Petri网作为任务调度处理器,建立了多任务动态调度体系结构,给出了基于事件驱动的多任务智能调度方法。该方法能根据所发生事件自动检测调度处理器的状态,对调度处理器做出正确和最优调度决策,从而实现了对有效任务或任务组合进行调度。     

电力设备状态监测的现状及发展趋势

本文介绍了电力系统状态监测的概念、作用和一般方法，阐述了电力系统状态监测的研究现状和发展趋势，以及电力系统主要电力设备的状态监测方法和手段。     

弓网状态监测与故障诊断方法研究

针对弓网振动引起的拉出值和接触线高度故障,建立了基于三角测量法求解接触线振动量的数学模型.为了再现弓网故障场景,采用了基于3G技术的视频监视与故障图像诊断方法,车载系统根据抓拍的故障图像计算出接触线拉出值与高度;车载软件通过3G网络将实时故障视频与图像传到地面计算机,地面技术人员通过地面客户端软件可以查看弓网工作全过程...     

水轮发电机组状态监测与故障诊断方法

概述了水轮发电机组状态监测的内容及故障诊断中常用的方法,提出使用模糊专家系统对设备进行诊断分析,在保证设备安全、可靠和经济运行的同时,以提高设备可用率,降低检修成本。     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究,提出了一种则实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号,可用计算机采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后,可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

一种基于事件驱动的阶段服务框架的性能优化方法

SEDA——阶段性事件驱动架构,是一种新的支持高并发的服务器软件体系架构。它结合了线程池架构和事件驱动架构的优点,从而使其具备了良好的并发性和负载健壮性。尽管SEDA性能优越,但其在资源管理上特别是在线程管理上尚存在一些缺陷。本文在SEDA原理基础上,提出一套改进的线程管理机制,以优化SEDA性能。测试结果表明,新的性能控制机制优于改进前的控制机制。     

基于VQ的高速列车闸片温度状态监测方法

提出了一种利用矢量量化(VQ)算法对列车闸片温度进行状态监测的新方法.根据不同闸片温度序列设置模式库中的参考样本,进行数据训练和闸片温度数据识别与预处理,对高速列车闸片温度数据与各个参考样本进行相似性度量,最终根据VQ的思想求出欧氏距离,从而得到检测结果.结果表明:该方法误报漏报率低,响应时间快,有效消除列车闸片温度跳变的影响,能够满足高速列车闸片温度状态监测的实时性和准确度要求.     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型.输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能.对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断.     

基于神经网络多参数融合的钻井过程状态监测与故障诊断

复杂系统状态监测与故障诊断是系统安全运行过程中的重要保障,分析了钻井系统事故状态下特征参数的变化,给出了用神经网络进行故障诊断的流程,在利用样本数据对网络进行训练的基础上建立了稳定的神经网络诊断模型。输入各种状态下的新样本数据,能够得到正确的系统状态识别,通过改进网络算法改进了网络性能。对生产数据的处理结果表明,基于神经网络的多参数融合算法可以很好地识别钻井过程中的不同状态,能够实现状态检测与故障诊断。     

浅谈设备状态监测及故障诊断

该文通过分析我国机械设备状态监测及故障诊断技术的研究现状和存在问题,提出早期发现故障及原因,并预测机械故障诊断技术的发展趋势,具有一定参考价值。     

大型发电机状态监测方法与故障诊断

大型发电机的状态监测是电工领域内一个重要的研究课题,在国内,发电机的状态监测受到高度重视。总结了大型汽轮发电机状态监测的概念及必要性,介绍了状态监测的主要任务及处理过程。分析了国内外发电机状态监测的现状,及监测的主要对象和内容。给出了电机故障诊断的基本方法、基于交流电机的特征量以及电机故障的现代分析方法,最后指出了状态监测的发展趋势。