小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

云南景谷盆地及陇川盆地新生代生物群特征及环境地质意义

通过对云南景谷盆地及陇川盆地新生代生物群特征的对比,探讨了新生代两大盆地环境演变:早中新世到上新世为湖盆发展期→湖盆扩大→萎缩期,气候为早期的干燥→中新世早期的温暖湿润→中新世中晚期的寒冷阴湿→上新世的干燥,而中新世中晚期湖盆的扩大形成的半深湖-深湖环境为油气的形成提供了有利条件。尽管两大盆地在沉积环境的演化上大体一致,但气候和沉积环境的演变和差异决定了两大断陷盆地生物面貌上的差异,从而直接控制了化石燃料形成的类型和质量     

东营凹陷沙三-东营期断裂活动特征

断裂是控制东营凹陷构造演化的主要因素。应用断层落差法对东营凹陷沙河街-东营期的断裂活动特征进行了研究。结果表明，东营凹陷古近纪在近南北向的伸展方向上，断裂活动强弱交替，在沙三-沙二早期断层活动强烈，沙二晚期-东营期断层活动明显减弱。东营凹陷的断层在平面和剖面上有多种不同的几何形态，组成了半地堑、半地垒和地堑-地垒多种形式的断块体，其组合分布使整个凹陷具有南北分区块断的构造特征。断裂活动时空分布具有不均一性，在北西-南东向和南北向的双向伸展作用下，东营凹陷的断裂活动在空间上具有分段性特征。     

周期平稳故障信号分析

针对周期平稳故障信号的特点,给出了时域、频域、时频域分析以及统计理论分析方法.首先,利用周期平稳信号的特点,采用季节性模型,对周期平稳信号进行建模,并作预测预报;其次,采用循环平稳度、循环相关谱等周期平稳信号的特征量有效地获取其他方法难以获得的信息;通过实例给出了进化谱理论及其应用方法,结果表明进化谱在故障诊断中有着较好的分析作用;最后,采用时频域分析较好地分析出非平稳信号的各种尺度信号的特征.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于改进S变换的配电网故障定位方法

该文提出了一种基于改进S变换提取行波特征频率的配电网故障定位方法。配电线路故障产生的暂态行波在波阻抗不连续点之间来回反射,从而在不同的振荡路径上形成不同的特征频率分量,根据故障路径特征频率分量的大小可以计算出故障距离。S变换是一种性能优越的时频分析方法,该文将其应用到行波特征频率的提取中,仿真结果验证了该方法相此基于Morlet连续小波变换方法的优越性。     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.     

基于小波分析的变频调速电动机运行噪声-负载特性

分析了交-交变频器输出电压、电流和时间谐波磁势的谐波族特征,指出了该特征对电动机运行噪声的影响。提出了一种改进M allat算法,并运用该算法对运行噪声进行了小波分析。该算法的计算量和占用的存储空间较标准M allat算法均减少了49.6%。同时,运用基于小波分析的频带能量法提取运行噪声的特征。经实验验证:电动机负载增加,运行噪声的86~172H z频带能量呈现一致性增加,该频带能量可以作为反映负载变化的主要特征。     

52000t大舱口多用途货船有害振动的诊断及治理

针对５２０００ｔ大舱口多用途货船减振问题,提出了在螺旋桨上方船壳板上加垂直整流鳍、上层建筑和用斜搅杆加强和改变桅杆结构尺寸等简单、经济的有效减振措施,经实船实施后,取得了明显的减振效果,为船厂节省了大量资金;在减振措施研究方面,取得了有益的经验。     

数据挖掘中关联规则算法的研究及应用

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.