基于抗差估计和改进AIME的缓变故障检测方法

为了解决经典缓变故障检测法——自主完好性监测外推法(autonomous integrity monitoring extrapolation, AIME)在组合导航中检测故障延迟时间较长和不能准确判定故障结束时刻的问题, 提出了基于抗差估计和改进AIME的缓变故障检测方法。该方法采用标准t分布和IGG-Ⅲ (Institute of Geodesy & Geophysics Ⅲ)方案设计自适应增益矩阵以缓解卡尔曼滤波故障跟踪的影响。同时, 结合AIME故障检测状态, 提出由外推法和残差卡方检验(residual chi-square test method, RCTM)故障检测统计量构成的r_A/R统计量概念, 然后在AIME检测到缓变故障的状态下利用样本分位数原理对r_A/R序列进行异常值检测, 从而判断缓变故障结束时刻。仿真结果表明, 在检测缓变故障时, 所提方法可明显缩短故障检测延迟时间, 并能够准确判定故障结束时刻。     

基于DSP的数据采集及故障录波模块

介绍了一种集数据采集与故障录波功能于一体的模块设计和一种利用双端口RAM在多CPU系统中实现数据共享的方法。     

近断层长周期地震动前向性效应对峰值影响研究

筛选了断层距不大于15km的具有前向性效应的长周期近断层地震记录,分类汇总建立了统计分析数据样本库,对长周期地震动的竖向分量和水平向分量峰值比进行了分析,研究了震级、脉冲周期、不同分量对峰值加速度比的影响。在此基础上,采用前期建立的回归分析模型,对长周期地震动竖向分量和水平向两个分量的峰值加速度进行了回归分析,拟合给出了峰值参数与震级和断层距的衰减关系式,通过拟合曲线与数据样本的峰值实测值对比,说明拟合关系式在一定的范围内可以用于近断层长周期地震峰值的预测。     

基于语义网络的旋转机械故障诊断知识表示

针对旋转机械故障诊断专家系统中的知识表示问题,讨论了语义网络的知识表示方法。并以此为基础进一步探讨旋转机械典型故障诊断的知识表示模型－－语义网络知识表示模型,文中还讨论了它的计算机语言实现方式,在VC＋＋环境下开发出了一个语义网络知识表示的演示模型。结果说明该知识表示方式是有效的。     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

基于AR双谱的调速阀故障诊断

将高阶谱应用于液压系统的故障诊断,提出一种诊断调速阀故障的方法.通过实验采集调速阀工作时阀体振动的信号,建立AR模型,进行AR双谱分析.故障情况下和正常工作情况下双谱的对比差异明显,说明用高阶谱来诊断调速阀故障是可行的、有效的.     

基于时间冗余的一致空间法在故障检测及隔离中的应用

研究基于时间冗余的一致空间法在线性时不变系统故障检测及隔离中的应用.指出系统在某一时刻某个故障在一致空间中位于固定方向.通过选取最优转换矩阵,将这一方向与其它因素在一致空间中所在方向相分离,提出一种故障隔离的方法.仿真实验表明,在传感器、执行器和元件均可能发生故障并且系统存在未知输入的情况下可实现故障检测及隔离.     

高阶时频分布在滚动轴承故障诊断中的应用研究

滚动轴承故障信号是非高斯、非线性、非平稳信号,由于调制性,使用幅值谱分析方法无法找到轴承故障频率。将高阶时频分布——主要是Wigner双谱分析方法应用于滚动轴承的故障诊断,计算滚动轴承振动信号的高阶时频分布,并对其沿时间轴切片,分析了切片的幅值谱。针对不同故障轴承,对其振动信号幅值谱、高阶时频分布及其切片谱的对比分析表明,高阶时频及其切片谱性能优于幅值谱。     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural networks, CNN)和改进堆叠降噪自动编码器(stacked denoising autoencoders, SDAE)的混合网络模型,根据改进的Dempster-Shafer(D-S)证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明：利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

祁连山前山盆构造水文地质特征

提 要 祁连山前山盆构造的水文地质特征一直是困扰水文地质研究的难题。在分析区域地质构造研究成果的基础上,采用音频大地电磁测深法分析了山盆构造的电性特征,并对祁连山山前大断裂的性质进行了研究。利用钻孔资料探讨了祁连山前山盆构造两侧的岩性、基底埋深以及水利联系。通过同位素分析,进一步探讨了山区地下水向盆地运移的阻水与透水机理。研究工作为黑河流域水资源模拟提供了基础支撑,为我国西北内陆盆地类似地区山盆之间的水量交换研究提供借鉴和参考。