大型风机故障的检测分析与诊断

针对青岛钢铁集团银钢烧结有限公司大型风机故障的检测，用类比法图并茂地从时域上进行了波形特征和振动幅值对比分析，并进行了自相关图谱特征对比分析；从频域上用幅值谱呈现的频谱特征进行了对比分析。通过时频域分析结果，诊断出风机产生了转子不平衡和不对中的综合性故障。并结合风机机组实际状况，作出了监护运行的决策。     

滚动轴承故障的波谱分析

本文首先对典型故障滚动轴承的振动信号特征作了理论分析。并对试验测得的振动信号进行了波形与频谱分析。包括时域与幅值域中的时间历程、概率密度函数与自相关分析;频域中的功率谱与倒频谱分析。寻找到各类故障轴承在波谱方面的规律特征,并依此对生产中振动噪声不合格的滚动轴承进行故障部位与性质的诊断,取得了一致的结论。     

机器状态监测与诊断振动状态监测第2部分：振动数据处理、分析与描述（摘选）（三）

4．3 频域分析 4．3．1 总则 大部分的振动分析是在频域完成的，因为多种振源通常能被振动产生的频率隔离开。在频域内单通道分析给出大量的信息，但是更重要的是经常是与第二个通道有关的相位或幅值参考，或者两者都有。     

遗传算法在故障诊断技术中的应用：频域最佳特征参数自动再生法

用遗传算法自动再生(Self-reorganization)最佳特征参数方法,几乎可以应用于所有设备的故障诊断。本文就如何自动再生频域的最佳特征参数作了详细论述,给出了具体的操作方法和实例。     

一种回转机械不均匀故障的时域定位分析法

机械故障诊断与分析目前已在各方面广泛地受到重视。在解决机床齿轮箱杂音研究中,我们采用同步门脉冲能量相关分析法对杂音进行分析和对产生杂音的齿进行定位。经使用表明,这种方法对回转机械不均匀的故障进行定位分析是简单而有效的。为说明此法的优点,首先对目前常用的频域与时域信号分析法作简单的分析。常用的频谱分析法,是将时域信号经传氏分析变换为频域的幅值频谱和相位频谱。     

频域提纯法在旋转机械故障诊断中的应用

70年代以来,旋转机械故障诊断技术得到很大发展,尤其是对大型机组的故障诊断受到了人们的高度重视,围绕着如何使诊断更准确无误,进行了大量的理论研究和实验工作。本文从应用的角度,以油膜涡动(振荡)为例,阐述频域提纯法在故障诊断中的应用。     

叠前深度偏移资料在陡坡带砂砾岩体中的应用

本文通过通过砂砾岩与围岩速度分析以及砂砾岩体垂向组合方式建立正演模型,分析砂砾岩体的地震反射特征,结合深度域剖面与时间域剖面进行对比,分析圈闭形态前后的差异性,总结深度域中砂砾岩体的地震反射特征。通过构造解释分析技术在深度域剖面中研究油气成藏的变化。     

基于MBP算法和深度学习的人脸识别

为了解决在深度学习提取人脸图像特征时,易忽略其局部结构特征和缺乏对其旋转不变性学习的问题,提出了一种基于单演局部二值模式(MBP)与深度学习相结合的高效率人脸识别方法。首先,用多尺度单演滤波器对图像进行滤波,得到幅值和方向信息;其次,用LBP算法和象限比特的方法进行编码,分块计算组合其直方图特征;然后,将提取的单演特征作为深度信念网络(DBN)的输入,逐层训练优化网络参数,得到优异的网络模型;最后,将训练好的DBN网络在ORL人脸数据库上进行人脸识别实验,进行识别率计算,其识别率为98.75%。所提出的方法使用无监督的贪婪算法,隐藏层设定为2层,使用反向传播算法优化网络。相较于已知的人脸识别方法,MBP+DBN算法对光照、表情和部分遮挡变化具有较好的鲁棒性,在人脸识别中识别率较高,具有一定的优势,为图像特征提供了一种新的识别方法。     

中国碳排放与影响因素的实证研究--基于2000～2011年中国以及30个省域的灰色关联分析

碳排放与影响因素的关联程度,决定正确判断和把握低碳经济的发展方向。本文利用灰色系统理论中灰色关联研究方法对比分析了全国和30个省域碳排放与不同影响因素的关联性发现,从全国范围来看,经济增长是导致碳排放增加的主要诱因;从省域角度来分析,经济增长是导致大多数省域碳排放增加的主要诱因;碳排放与能源价格灰色综合关联度都较低;经济发展阶段和经济发展形势不同,碳排放与影响因素的关联性不同,不能采取全国范围内统一的节能减排政策。最后在本文研究结果的基础上探讨了中国未来低碳经济发展的碳减排策略,据此提出针对不同区域特征的低碳对策和建议,以期望能够合理控制影响因素对中国碳排放总量影响。     

基于CEEMD-BP神经网络大数据轴承故障诊断

基于BP神经网络的智能诊断方法,应用于离心泵的滚动轴承故障诊断中。将原信号经过CEEMD分解进行降噪处理,重构信号并求出时频域特征参数;选取合适的时域特征参数(峭度指标、峰值指数等)和频域特征参数(重心频率、均方频率等),作为BP神经网络的输入;确定网络层的数目、各层节点数目和初始权值大小,进一步明确诊断模型;对比实际输出值与理论输出,推导滚动轴承的故障状态。实践证明,由于BP神经网络在信号处理方面具有很强的数据拟合能力,这种方法在大数据滚动轴承故障诊断中取得良好应用效果。