数据协调方法在传感器故障监测中的应用

以某电厂1 000MW机组高压给水加热器及抽汽管道系统为对象,研究数据协调方法在传感器故障检测、识别和数据重构中的应用。数据协调过程中,采用主导因素法建立设备特性参数模型,构建参数间的特性约束关系。仿真案例研究结果表明:该方法能够有效检测和识别传感器故障,故障数据重构平均相对误差2.42%,具有较高精度。     

采用时序谱分析纱条的不匀结构

本文采用ARMA模型谱分析纱条不匀,通过与条干仪分析结果对比发现,在对信号经21阶 FIR低通滤波器滤波后,选择ARMA(5,1)到ARMA(8,2)的模型,能得到较好的分析结果。对此,本文检验了不少纱条不匀信号的非稳定性,这在选择模型参数辨识方法时应予注意。     

黑板条干检测仪器化的一种方法

本文讨论了一种把表示纱线不匀信号转变为黑板模型的方法及该模型的建立。按照黑板法检测的标准,拟出了13个能体现模型特征的特征参数;并讨论了对该模型进行识别和评级的方法。提出了这种方法能用在所有检测纱线不匀的仪器上,经作者在研制的仪器上实验,表明是可行的。     

振动系统时变参数识别分析

本文利用变物理参数微分方程模型,讨论了刚度与阻尼随时间变化时,物理参数与模态参数的识别问题,比较了三种在线识别技术.数字模拟结果表明,采用变物理参数微分方程模型可比采用差分方程模型极大的提高最小二乘法识别阻尼比的精度.当加入系统的噪音较大时,有些改进识别方法失效,但最小二乘法仍能给出较好的估计.     

多变量统计过程控制技术在火电厂设备故障检测中的应用

为了更好的对火电厂发电机组设备故障进行检测,运用多变量统计过程控制技术获得更为精确的机组设备参数模型.[过程和方法]采用线性分组、穷举搜索法找到每一个设备参数的最佳线性模型,利用多个模型实现对同一个设备参数进行故障检测.[结果与结论]对每一个设备参数都采用最佳线性模型可以最大限度的减少模型误差对故障检测精度的影响,运用此方法建立的模型具有更高的检测精度和灵敏度.     

模态参数辨识改进算法及其在振动台试验中的应用

结合数据驱动随机子空间法,提出了环境激励下结构模态参数识别的改进ITD法、改进STD法与改进复指数法。随机子空间法的识别精度高,其中Hankel矩阵经过正交投影计算可以保留原始数据中的所有信息,同时去除了噪声,将得到的P矩阵中的数据作为ITD法、STD法与复指数法的输入数据,这3种方法就不再需要采用随机减量法或者自然激励技术进行前处理,避免了这2种前处理方法的不准确性带来的误差,并提高了模态参数识别的计算效率。利用12层钢筋混凝土框架结构模型在振动台试验过程中地震反应记录,识别结构模型模态参数。从而证明3种改进方法在结构模态参数识别中应用的可行性。     

用倒频谱分析纱条条干不匀

本文用倒频谱分析技术研究了纱条条干不匀结构。从UT-ⅡB型条干均匀度仪取出纱条不匀的电信号送入信号分析仪,构成倒频谱分析的测试系统。通过实验和理论分析可知,用倒频谱分析纱条条干不匀,可以提取出一般波谱图中无法得到的信息,有助于进一步分析纱条不匀的成因。     

探求纱条不匀序列中的混沌现象

在对纱条不匀序列进行相空间重构的基础上,通过G-P算法,分析了关联维数的饱和特性,得到其吸引子的分数维,其次又采用了PCA分布法对其进行确认,结果表明在所分析的棉条不匀序列中,存在混沌现象.这为进一步应用混沌理论对纱条不匀进行分析和建模奠定了理论基础.     

基于网格搜索与支持向量机的轴承故障诊断

针对轴承故障诊断问题,提出一种基于相关度分析与网格搜索算法(GS)优化支持向量机(SVM)的轴承故障诊断方法。采用GS算法对SVM的惩罚参数c和核函数参数g进行寻优,以此建立分类器用于识别轴承故障类型。在模型建立方面巧妙地加入了分层的思想,通过相关度分析之后采用多层GS-SVM模型使轴承的故障诊断准确率相对于近年来的研究得到了明显的提升。最后,采用凯斯西储大学轴承数据中心的滚动轴承故障数据进行了分类识别实验。实验表明,研究提出的轴承故障诊断方法在直接作用于原信号的基础上不仅能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障,而且还对每一类故障的严重程度有很好的区分,提高了故障类样本的诊断正确率,具有较强的实用性。     

PCA-MGA-GRNN矿井通风机故障识别方法

为预防因矿井通风机故障而引起事故,基于生产安全及经济方面考虑,对矿井通风机故障类型进行准确、稳定、可靠的识别,提出将改进的遗传算法(MGA)与广义回归神经网络(GRNN)相耦合,从而实现对矿井通风机故障的能检测.通过研究通风机作业过程中振动信号与矿井通风机故障之间的关系,将其不同频率段能量值作为故障表征参数,并以相应的矿井通风机故障类型作为目标参数;对故障表征参数进行主元分析(PCA)计算后与目标参数作为GRNN的输入值与输出值加以训练;利用MGA优化GRNN的光滑因子参数,使其具有更好的网络性能,以此建立PCA-MGA-GRNN矿井通风机智能故障识别模型,结合实际的矿井通风机故障相关数据并经实验验证该模型的识别效果,同时与GA-BP、GA-GRNN、MGA-GRNN、SVM进行对比,实验结果表明该识别模型具有更好的运行速度,识别精度为0.96,可实现对矿井通风机故障类型的智能识别.     

纱条不匀时序模型的建立

采用Pandit Wu方法对并条纱条进行建模分析 ,提高了建模过程的程序化水平 ,可迅速建立在线预测模型。研究认为 ,并条纱条可以用AR(n)模型及ARMA(m ,n)模型进行预测控制 ,且模型的阶次一般为 2～ 5。     

利用AR模型和支持向量机的调速阀故障识别

提出一种基于时间序列的自回归(AR)模型和支持向量机故障识别方法.以液压调速阀的故障识别为例,利用采集到的调速阀体的振动信号建立AR模型;然后,将AR模型自回归系数和残差方差组成的特征向量输入到支持向量机.最后,通过支持向量机完成对调速阀的正常和各种故障工况的分类识别.实验结果和分析表明,识别率不仅与核函数的选取有关系...     

基于AR信号处理和KII模型的嗅觉识别算法

信号的特征提取和模式识别方法,在实现准确的电子鼻气体定性分析中尤为关键,本文提出了基于AR信号处理和KII模型的嗅觉识别算法．将传感器信号分为：上升期和稳定期两部分,对上升期信号提取斜率作为特征;对稳定期信号,进行AR建模来提取特征．在电子鼻的模式识别算法上,利用KII模型对气味信号进行分类．该方法充分利用了AR信号处理在信号表示方面的有效性及降维优势、KII模型在模式识别方面的优越性．仿真将该方法与BP网络、AR—BP算法及单KII网络进行了比较,结果表明,AR信号处理技术可以很好的提取特征,并与KII建立相关的数学模型,将AR信号处理技术应用到电子鼻系统中是可行的,且具有更高的识别率．     

颈动脉搏动波的谱分析

采用周期图法和AR参数模型法分别对颈动脉搏动波进行了功率谱分析．分析结果表明，从脉搏波功率谱的主峰及谱分布稳定性的角度来说，周期图法比AR参数模型法具有更优越的性能．     

大型风力机塔架在脉动风下的动力响应特性研究

采用Kaimal脉动风功率谱,考虑脉动风的空间相关性,采用AR模型模拟风电场脉动风速时程,并验证脉动风速谱与目标谱的一致性;通过有限元方法计算风力机塔架结构在风载荷作用下的动力响应特性。计算结果表明:AR模型对实际风场风速进行有效模拟,考虑脉动风的影响,塔架的风振响应显著增加;随着风速的增加,塔架的振动也随之增加,这为风力机塔架的风致响应分析和抗风研究提供了实用方法。     

高层建筑风场的脉动风速时程模拟

采用经过FFT算法改进的谐波叠加法(WAWS)及自回归(AR)模型的线性滤波法对实际工程进行脉动风速时程模拟.对2种算法所模拟的风速时程进行分析,结果显示了风速功率谱及相关函数的特性,分析结果说明AR模型中模型阶次及时间步长对风速时程产生较大影响.根据结构的有限元动力分析,采用能量相等的原则,即使结构固有频率段内的目标谱和模拟谱能量相等,对风速时程进行修正,使模拟风速时程更趋合理.     

基于AR模型和SVM的脑电信号分类

 基于P300事件相关电位的脑机接口（BCI）系统中,有效的P300特征提取及分类是系统开展后续工作的关键。应用时间序列自回归（AR）模型及支持向量机（SVM）算法对脑电信号进行P300分类;对10导联脑电数据分别分段,并对每段建立AR模型;采用最小二乘法进行AR模型系数估计,由估计出的系数序列构成特征向量,送入SVM进行模式分类。实验针对BCI Competition Ⅲ dataset Ⅱ数据集进行了方法验证,提出的方法在15试次情况下识别正确率达93.5%。实验及数据分析结果表明,应用SVM分类器对AR模型提取出的系数序列特征向量进行分类,具有较好的系统识别正确率,可为实现基于P300的BCI系统实际应用奠定理论和实验基础。     

高层钢框架预应力索支撑结构脉动风模拟AR模型参数分析

 以高层钢框架预应力索支撑结构为例,研究了应用AR 模型进行脉动风模拟时,模型的2 个关键参数--时间步长、时域点数的取值对模拟结果的影响。在讨论基于AR 模型的脉动风模拟方法的基础上,利用有限元软件Sap2000 建立结构模型,利用Matlab 编制AR 算法程序,分别选用不同的时间步长、时域点数对结构进行脉动风速时程分析,将生成的脉动风速功率谱曲线与目标谱进行对比,根据曲线吻合情况确定参数的合理取值范围。结果表明,时间步长的取值对AR 模型模拟结果有较大影响,其最优值域为0.10~0.18 s,超出这一范围均会导致功率谱曲线与目标谱偏离,降低模拟精度;时域点数对AR 模型模拟精度的影响较小,可根据工程需要选择时域点数。     

纱条不匀的功率谱分析与微机实现

本文的第一部分讨论了理想纱条与实际纱条的功率谱,不仅给出了比以往更严格的理论公式,而且通过将纱条不匀分解成几个基本平稳过程之和,讨论了实际纱条功率谱密度的典型形式。同时,还指出乌斯特波长谱与均方根谱密度属于不同的概念:前著既不表征 CV 值的波长分布,也不可与理想纱条的均方根谱密度相比。本文的第二部分提出了用十六位微处理器 Intel 8086实现纱条不匀谱分析的设想,并完成了其主要软件(包括一定点 FFT 子程序)的设计与调试。将 IBM-PC 与乌斯特传感器联机的实验结果表明,功率谱能在功能上代替乌斯特波长谱。本系统的算法简单而高效,与乌斯特仪器相比,不仅成本很低,且其功能和灵活性将更胜一筹。