2012年秋季北京地区啮齿类实验动物健康状况的病理学调查和分析

随着现代科技的发展,实验动物在多方面起着越来越重要的作用。2012年10月,本实验室参与了北京市实验动物管理办公室组织的北京市啮齿类实验动物健康状况调查。采集心、肝、脾、肺、肾、大肠和小肠进行组织病理学观察,通过石蜡切片HE染色、冰冻切片油红O染色、PAS染色等方法对啮齿类实验动物的健康状况进行鉴定。结果显示,部分动物肝脏表现出不同程度的肝细胞肿胀、轻度肺脏病变,少数表现出肾脏管型、肾小囊腔蛋白样物质渗出和大肠寄生虫感染,但是啮齿类实验动物总体水平属健康状况。以上病变的出现可能与动物的生存环境、饲料营养成分和运输处死过程中的应激有关。     

锌精馏铅塔燃烧室热工问题诊断

针对韶关冶炼厂锌精馏过程中1号铅塔燃烧室内存在上、下空间温差较大,第2层空气助燃作用很小,第3层空气基本上失去助燃作用等问题,对铅塔燃烧室进行了热工测试.发现铅塔燃烧室内水平方向的温度并非均匀,而且其温差比上、下方向的温差更大.通过对铅塔燃烧室热工诊断及研究,得出导致铅塔燃烧室内烟气与塔盘外壁在水平和上、下方向温差大的原因是燃烧室内煤气、空气以及烟气在各喷口的分布,燃烧室和换热室间隔墙具有保温作用,燃烧室内烟气扰动,直升烟道对第2层煤气和第2,3层空气加热.其中,直升烟道对第2,3层空气的加热作用以及它们较大的沿程阻力导致第2层空气助燃作用小,第3层空气基本上失去助燃作用.这种诊断结果有利于铅塔燃烧室的正常运行和维护.     

基于Petri网的故障诊断新方法

在分析故障诊断问题特点的基础上，提出一种不增加Petri网元组的故障诊断新模型，对故障传播的分析更加方便，并通过实例验证了方法的有效性。     

大庆长垣南部黑帝庙油层浅层气特征

大庆长垣南部黑帝庙油层发育于嫩江组第三段、第四段地层中,属松辽盆地上部含油组合.研究认为,本地区的天然气分布主要受构造和沉积控制,断层对天然气的运移起到至关重要的作用,古构造的高点地区(现在处于斜坡带)是现今天然气的有利聚集区;本区沉积相主要为三角洲前缘亚相,砂体厚度相对较小,模糊识别天然气预测显示该油层天然气呈分散状分布;但总体看,由于本区天然气埋藏很浅,容易开发,且天然气预测分布面积之总和具一定规模,因此有较好的发展前景.     

基于可能性理论的柴油机故障诊断方法

本文提出了基于可能性测度的柴油机故障诊断方法.与概率测度相比,可能性测度更为适合,计算更为简单,在故障诊断中有着广泛的适用性。     

水轮发电机组振动故障模糊诊断方法研究

根据水轮发电机组的振动特点 ,探讨了适合于水轮发电机组的振动故障诊断方法 ,即模糊诊断法。并提出了在应用模糊诊断方法进行振动故障诊断过程中 ,动态建立模糊关系矩阵的新见解。     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．