采油厂单位成本分析方法研究

在总平均指标的变动分析中,传统的分析方法是从总体上分析组平均数的变动对总平均数变动的影响和各组结构变动对总平均数变动的影响进行分析。用复合分组和指数分析相结合的方法,分析各区块或各单井单位成本和原油产量结构角度对采油厂单位成本变动的影响,目的是找到采油厂单位成本变动的具体原因,为采油厂控制成本提供依据。     

小波变换与滚动轴承振动的故障诊断方法研究

简要综合介绍了滚动轴承振动及故障诊断的方法及小波变换在滚动轴承故障特征提取中的应用.通过对滚动轴承故障信号的分析表明,该方法可以分析出滚动轴承振动的故障信号,确定轴承振动的故障部位.     

基于db10小波的电机轴承故障信号分析

滚动轴承故障诊断的关键是对振动信号进行分析和处理,并提取滚动轴承的故障特征。由于大多数滚动轴承故障振动信号是非平稳信号,因此需要选择适合于非平稳信号分析和处理的方法。小波变换具有多分辨率分析的特点,并且在时域、频域都具有表征信号局部特征的能力,本文采用具有良好特征提取能力的db10小波进行分析。通过对实验数据的分析,验证了所提方法的有效性。     

利用Excel建立利润敏感分析模型

利润是企业的综合性经济指标,它反映企业一个时期的经营成果。在利润的形成过程中,会存在许多不确定因素对利润产生影响,各因素对利润的影响程度和敏感程度不同。所谓利润敏感性分析是衡量单一变量如产品售价或组合变量(售价、销量都变动)变动对利润影响的一种分析方法。利用EXCEL的分析工具,分析了各因素变动对利润的影响,并在此基础上建立了利润敏感分析模型与动态图表。     

基于小波分析的滚动轴承故障诊断研究

小波分析是针对非平稳信号的一种有效的数据分析方法。在此基础上提出了基于小波分析的滚动轴承故障诊断技术。它将振动信号进行小波分解与重构,然后对其中某粗略信号进行频谱分析,其频谱特征可以揭示故障的有无及其发生部位。通过滚动轴承内环点蚀、外环划痕、滚动体划痕三种典型故障的实验,验证了该方法在滚动轴承故障诊断方面的可行性和有效性。     

西部大开发政策对中国经济的影响——基于Bayes动态隐变量模型的中国地区经济联动性研究

为了考察全国性整体经济波动和地区性的经济波动对各地经济发展的不同贡献,该文基于中国地区化经济发展不平衡的现状,将Bayes动态隐变量模型引入中国宏观经济的研究。通过从可观测到的宏观经济变量中识别出隐含经济变量,该文将中国宏观经济的整体波动分解为3个部分:全国因子、地区因子和各经济变量独有的波动项。通过对中国经济在1980—2015年的变动历史的分析,发现地区的产出和投资主要受全国因子波动的影响,而地区消费的波动主要受地区因子的影响。另外,通过对中国"西部大开发"战略实施前后经济变动的分析,发现该战略提高了全国因子对西部地区的影响,特别是对投资影响最大。     

连环代替法的数学依据

在商业统计中有个重要的统计分析方法称之谓“连环代替法”。它是对涉及多因素的统计指标在分析绝对离差时采用对各因素轮流固定、分别测定每个因素变动所产生影响的分析方法。这在分析商品库存额受商品流转速度或日销售额的影响情况;分析因物价变动对居民生活的影响情况;分析平均劳动报酬水平的变动对劳动报酬总额的影响情况;     

高密度小波变换在滚动轴承复合故障诊断中的应用

针对目前滚动轴承中多种微弱故障难以准确识别的难题,提出基于高密度离散小波变换和包络谱的滚动轴承复合故障诊断方法.首先对采集的轴承振动信号进行高密度离散小波变换;然后对各尺度上的小波系数和尺度系数进行单子带重构,以消除频率混叠的影响;最后对各子带信号分量进行包络谱分析,并通过滚动轴承各典型故障的特征频率,识别滚动轴承存在的各种故障.将所提方法应用于具有复合故障的滚动轴承的诊断,并与其他常用的诊断方法进行对比,结果表明该方法能有效地实现滚动轴承早期复合故障诊断.     

基于多元统计分析的通货膨胀水平的周期变动分析与综合测定

对通货膨胀的常用指标的周期变动及其综合测定进行探讨。首先利用多元逐步回归分析方法,建立了各物价指数的三角回归模型,进行了周期变动分析;然后利用因子分析法建立了通货膨胀水平的综合测定模型。文章对我国通货膨胀的变化状态作出了较好的分析。     

小波包变换在滚动轴承在线检测系统中的应用研究

针对滚动轴承在生产过程中容易出现故障的问题,设计检测系统对生产的滚动轴承进行故障检测具有十分重要的意义。本文设计的以工控机、数据采集卡、AD/DA卡为核心,以加速度传感器、生产线控制装置为辅助的滚动轴承在线检测系统,可以实现在线检测滚动轴承故障的目的。滚动轴承在线检测系统与生产线运行同步,运用小波包变换的方法对滚动轴承的振动信号进行特征分析,实现对故障的实时检测,从而提高了检测系统的智能化水平。     

基于特征分析的滚动轴承诊断系统

根据现场检记的一些数据，将滚动轴承所发生的几种典型故障归类，应用数据处理技术建立了一个实用诊断系统，从而不仅可诊断轴承故障发生的部位，且易实现计算机对故障的精密诊断。     

滚动轴承损伤类故障的一种精确诊断模型

为了实现对滚动轴承元件表面损伤类故障的早期精确诊断,并考虑到载荷分布及轴承运动的影响,从理论上提出了一种模型来分析用高频共振法进行滚动轴承故障诊断时得到的包络信号及其频谱图,并试验验证了该模型的正确性和可行性.     

小波分析在滚动轴承故障诊断中的应用

在共振解调技术的基础上，采用小波分析方法对滚动轴承的故障进行了有效的诊断，实例证明，小波分析对处理非平稳信号具有很好的应用效果。     

高DN值轴承损伤容限设计准则

分析了航空发动机主轴承断裂的机理 ,指出在高速下轴承元件存在较大内应力 ,或轴承材料断裂韧性不足 ,有可能导致轴承元件在出现严重剥落前 ,材料内部的原始缺陷迅速扩展 ,超过临界裂纹尺寸而发生快速断裂。给出了两个高速轴承元件损伤容限设计准则 ;在实际中 ,应尽量提高轴承材料的高断裂韧性并采用先进探伤技术以加强对主轴承的监控及监测。     

滚动轴承的状态监测系统

论述了滚轴承的状态监测原理、方法和系统。为了判别轴承有无故障,采用了振动监测和温度监测系统对轴承进行在线监测。发现故障后,则采用共振解调法诊断出故障的部位及其趋势等。     

基于互信息的主成分分析结合支持向量回归的滚动轴承剩余寿命预测研究

滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。为了智能开展设备维护工作,提高设备的运转效率,提出一种基于互信息（mutual information,MI）的主成分分析（principal component analysis,PCA）（MI-PCA）结合支持向量回归（support vector regression,SVR）的滚动轴承剩余寿命预测方法。首先利用小波包降噪算法剔除原始振动信号中的异常数据点和噪声,并基于降噪数据提取其时域、频域和时频域特征;然后结合特征与剩余寿命的互信息值进行特征筛选,再通过PCA降维算法获得可表征轴承退化状态的敏感特征,用于SVR的输入;最后构建并训练SVR剩余寿命预测模型,并将其应用于滚动轴承全寿命试验数据。试验结果表明与基于MI和基于PCA的SVR回归预测模型（MI-SVR模型、PCA-SVR模型）相比,基于MI-PCA的SVR模型具有更高的预测精度（预测精度可达97%）,能够实现滚动轴承剩余寿命的精准预测,为开展及时有效的设备维护工作提供了决策依据。     

滚动轴承故障诊断中的分形

简述了滚动轴承运转中时序列时表现时的自相似性，重构了振动信号对应的嵌入相空间的序列，计算得出分维数，实验结果表明，振动时域序列的分维数在不同工况，不同间隙下是有差别的，可以做为识别主要轴承的特征量。     

基于应变模态的数控机床滚动轴承可靠性检测方法

为了解决传统方法对物理参数的改变不敏感,只能对整个滚动轴承可靠性进行检测,无法针对不同测点获取可靠性检测结果,检测准确性低的弊端,通过应变模态研究数控机床滚动轴承可靠性检测问题。对各点的应变响应进行测量,得到应变振型。数控机床滚动轴承出现损伤后,应变模态一定会出现变化,同时损伤程度越大,这种变化越显著,滚动轴承可靠性越低。在对滚动轴承损伤进行识别的过程中,将应变模态差向量中元素最大绝对值作为依据,获取可靠性很低的位置。将应变模态改变率作为检测数控机床滚动轴承可靠性的敏感指标,对数控机床滚动轴承进行可靠性检测,对滚动轴承损伤前后前三阶应变模态进行提取,获取应变模态改变率,绘制曲线图,将突变部分当成损伤部分,完成对滚动轴承的可靠性检测。实验结果表明:所提方法可有效检测滚动轴承某一位置的可靠性;对数控机床滚动轴承可靠性检测结果最准确。可见所提方法能够获取不同测点的检测结果,检测准确性高。     

基于不同退化阶段状态空间模型及粒子滤波的滚动轴承寿命预测

为解决滚动轴承全寿命数据有限及物理模型难以建立的问题,提出一种基于状态监测信息和滚动轴承退化物理模型的寿命预测方法。首先对Paris公式及Foreman公式进行改进,建立滚动轴承不同退化阶段状态空间模型,并将已知的滚动轴承物理数据及运行状态信息输入模型,利用最小二乘法对模型参数进行调整;然后利用粒子滤波算法对滚动轴承后期运行趋势进行递推预测;最后运用滚动轴承全寿命数据对所提方法进行验证,并将预测结果与单一状态空间模型及Gamma模型预测结果对比,结果表明该方法预测准确率更高,具有较强的实用性。     

基于复值小波模和幅角经验正交分解的奇异性特征提取

提出了基于Hermitian复值小波模和幅角经验正交分解方法,采用这种方法可以提取信号奇异性特征。通过在滚动轴承故障诊断应用表明:小波模和幅角协方差矩阵的特征值向量反映了在时间-尺度平面上的分布结构,不受时间平移影响,便于信号的奇异性特征提取;用主成分重构信号小波模和幅角,能更清晰地反映信号的奇异性特征,便于分类识别.