基于变分模态分解的离心泵滚动轴承故障诊断

针对离心泵滚动轴承的故障不能进行精准判断的问题,对基于变分模态分解的离心泵滚动轴承故障诊断技术进行研究,通过变分模态分解方法提取分析离心泵滚动轴承的故障,对离心泵滚动轴承初始故障物理量进行变分模态分解。经由试验数据分析,证明其可以对离心泵滚动轴承初始故障物理量的微弱特征进行更精确的提取判断,最终实现离心泵滚动轴承故障的精确诊断。     

基于故障树的风电机组变桨系统故障诊断研究

由于工作环境恶劣,自身结构复杂且各部件之间耦合性强,容易发生故障且故障种类多样、复杂等原因,风电机组故障检修极为困难。针对风力机组变桨系统故障诊断问题,提出一种基于故障树理论的故障诊断方式,对造成变桨系统故障、机组停机的各类原因进行分类,建立故障树分析模型。通过“顶事件→中间事件→基本事件”的逻辑进行分析,确定各节点之间的状态,找出故障源。     

基于具有动态特性的小波变换的齿轮轮齿表面故障诊断

本文探讨利用小波变换方法来诊断轮齿表面故障。在疲劳试验的过程中,测量齿轮箱的振动加速度和齿根应力,以及观察轮齿表面质量。随着疲劳试验的进展,齿轮的轮齿表面由于剥落损伤而受损。当一个轮齿失效时,使用振动分析即可以诊断出失效的轮齿。然而,当相邻的多个轮齿失效时,则难以诊断出每一个轮齿失效。使用动态齿根应力的时一频分析可以检测出轮齿表面的失效位置。     

基于变分自动编码器的动态主题模型

传统动态主题模型的后验分布推断需要复杂的推理过程,仅模型假设的细微变化就需要重新进行推断,时间成本较高,制约了模型的可变性和通用性。为了提高动态主题模型的性能,提出了基于变分自动编码器融合动态因子图进行推断的动态主题模型。该模型对变分下界进行再参数化,生成一个下界估计器,将隐变量转换为一组辅助参数,使得新的参数不依赖于变分参数,用标准随机梯度下降法直接优化变分目标,同时融合动态因子图对状态空间模型进行建模,弱化推断的概率特性,简化优化过程,实现有效的推断。结果表明,提出的模型不仅保证了准确性,而且其简化模型有效降低了推断的时间成本,从而为动态主题模型能有效应用于复杂的时间场景提供更多可能。     

基于具有动态特性的小波变换的齿轮轮齿表面故障诊断(续)

四、齿面故障诊断 1．轮齿齿廓的变化 图6显示在疲劳试验过程中,pmax=700MPa的条件下,齿廓误差的变化情况。啮合的小齿轮的齿廓误差在疲劳试验中几乎没有变化。粘有应变仪的那个轮齿编号为No．1,其他轮齿按齿轮进行啮合的次序依次排号。在疲劳试验前,N2=0,齿廓的误差来自压力角的误差。     

基于注意力变分自编码器的时序异常检测算法

基于时间序列的异常检测对于多领域的应用场景至关重要,目的是从时间序列的样本分布中识别出异常样本,设计该识别算法的根本挑战是学习一个能有效区分异常的表示。提出一种基于注意力变分自编码器的无监督时间序列异常检测算法,编码器采用卷积与自注意力机制进行特征提取、采用对称结构进行特征重建,通过隔离状态的数据集来计算重建损失从而确定异常阈值。通过与现有5种方法的对比实验表明,该方法在Precision、Recall和F1-score三个指标上均有提升,有效提升时间序列无监督异常检测的准确率。     

基于词向量和变分自动编码器的短文本主题模型

为了解决短文本稀疏性问题,提高主题模型的性能,提出了一种词向量嵌入的主题模型。首先,假设一篇文档只包含一个主题;其次,利用词向量对每一轮迭代的主题进行扩充与调整,即对每一个主题,利用一种非参数化的概率采样方法得到一些词,再用词向量找出相似词,提升该主题下相似词的权重;最后,用拉普拉斯近似主题分布,使其更好地运用在变分自动编码器训练中,从而加快训练速度。实验结果表明,本文模型训练出的主题具有较好的解释性,并优于其他主流的模型,可为短文本的主题提取提供更多的可能。在主题模型训练的过程中,利用词向量干预主题词分布可以得到较好的主题质量,并可以通过变分自动编码器加快训练速度,对自然语言处理问题的研究具有一定的创新性和参考价值。     

基于变分不等式的物流服务网络业务分配均衡问题研究

物流外包下的多层级物流服务网络业务分配的均衡优化, 有助于整合优势资源, 提升物流服务效率和服务水平。为解决物流服务网络中物流需求市场以及各层级物流服务商之间非合作博弈下的业务分配均衡问题, 本文建立了基于变分不等式的物流服务网络业务分配均衡优化模型, 求得了物流需求市场费用最小化、物流服务商利润最大化条件下, 多级服务网络中的业务分配量和分包价格。通过算例验证了模型的有效性和可行性。     

基于多源信息融合的矿井提升机故障诊断研究

为提升设备应用安全性,精准识别矿井提升机故障发生点和故障原因,提出一种基于多源信息融合的故障诊断方法。借助多类型传感器实现系统数据的实时获取与传输,利用多元信息融合技术对设备的差异化数据信息进行融合处理,通过贝叶斯网络完成对数据的深层次分析,确定影响提升机的故障类型和故障点位,从而有效提升设备故障诊断效率,保障生产正常运行。     

基于自适应PCA的油田生产故障诊断方法

油田生产过程中的故障诊断分析,不仅能够有效的保护生产设备,而且能有效降低生产维护成本,增加生产运行的稳定性。针对由于生产工况发生变化,生产数据特征变化而造成的模型失效问题,本文提出一种自适应的多模型PCA故障诊断方法,实现故障的实时准确诊断。     

基于LabVIEW的往复机械故障诊断测试系统开发

以LabVIEW软件为开发平台,建立往复机械故障诊断测试系统,完成系统硬件的设计和系统软件设计。系统采用美国NI公司PCI-6281数据采集卡,对发动机缸体的振动、超声、温度等参数进行采集,以发动机曲轴的相位为基准,进行数据的时频谱分析。此系统多通道采样频率可达到50kS/s,实现了高速采集、数据保存、数据回放、数据分析等功能。     

基于分层极限学习机的轴承故障诊断方法

提出基于分层极限学习机结合迁移学习的轴承故障诊断方法,分析其在变工况下的故障诊断效果。应用短时傅里叶变换方法生成振动信号时频图,并提取不变矩特征、灰度差分统计特征,区分不同故障时频图的形态和纹理特征。在变工况下使用动态分布自适应方法,循环迭代得到最优迁移学习参数,以减小源域和目标域的MMD距离。然后使用分层极限学习机,对迁移后的样本数据进行故障分类。结果表明,所设计的迁移学习方法具有精度高、速度快的优点,在变工况下动态分布自适应迁移学习方法的故障诊断结果优于SVM等非迁移学习的机器学习方法,分层极限学习机作为故障分类器优于KNN、BP等分类器的效果,同时基于时频图的特征提取方法改善了源域和目标域间的可迁移性。     

基于复杂系统的公司治理

公司治理作为复杂系统，具有复杂性的众多特征。本文在构建公司治理复杂性一般框架的基础上，分析了公司治理的多层性和多样性问题，并得出了一些初步的结论。     

基于多目标优化的电网二次设备故障诊断

电网的健康安全运行与二次设备的运行状态相关,电力系统中存在着大量不易确定的潜伏性故障,为此,提出基于多目标优化的电网二次设备故障诊断。建立多目标优化的故障诊断模型,实现由故障诊断问题向多目标优化问题的转化,设置保护动作期望状态。实验结果表明,故障诊断方法能够有效识别和定位二次设备故障并具有可靠性。     

基于ITD-ELM的变压器绕组微弱匝间短路故障诊断

为了解决油浸式变压器内部绕组绝缘故障检测难度大的问题,提出了一种基于本征时间尺度分解(ITD)和极限学习机(ELM)的变压器绕组微弱匝间短路故障诊断方法。首先,将采集到的变压器可听声信号利用ITD算法分解为若干旋转(PR)分量,并将峭度值较大的分量信号相加,对可听声信号进行重构;其次,将重构后的变压器可听声信号作为模型输入层,故障诊断结果作为模型输出层,构建了基于ITD-ELM的变压器绕组微弱匝间短路故障诊断模型;最后,以一台110 V变压器搭建实验模拟平台,对其微弱匝间短路故障进行训练并诊断。结果表明：基于ITD-ELM模型的微弱匝间短路故障诊断精确率为98%,较传统的ELM故障诊断精确度提升了3%,验证了所提变压器绕组微弱匝间短路故障诊断方法的准确性。研究所提出的故障诊断方法准确性较高,可应用于现场运行的不同电压等级的油浸式变压器。     

突发危机事件下中国股市行业板块间多尺度相依结构及动态演化研究——以新冠肺炎疫情为分析背景

近年来,频繁爆发的危机事件对中国经济和金融市场造成了严重的负面冲击。在此背景下,本文将变分模态分解和R Vine Copula结合,以新冠肺炎疫情为分析背景,研究突发危机事件下中国股市行业板块间相依结构及其动态演化,并进一步从短期和长期两个方面,探讨相依结构的异质特征。研究发现：(1)行业间相依结构的关键节点及行业间关联方式随疫情的发展而发生变化,在长期和短期尺度下,行业间相依结构具有异质性特征;(2)疫情冲击导致相依结构中关联行业间相关系数提高,引起跨行业风险传染,长期传染效应强于短期传染效应;(3)疫情冲击在短期内引起各行业间发生风险传染,但长期来看,存在“风险隔离行业”。研究结果可以为投资者决策、行业部门风险监测预警、监管者防范和化解系统性风险提供重要依据。     

基于功能组分解原理的高压配电网可靠性评估方法及其应用

基于功能组分解原理,提出了同时考虑变电站主接线形式和高压配电网结构的可靠性评估模型;建立了包括系统性指标和节点性指标的可靠性指标体系;基于潮流计算和最优理论,建立了反映系统故障行为和优化校正行为的可靠性评估算法。并将上述方法应用于某市2015年高压配电网结构方案的可靠性评估。研究表明,通过该方法得到的高压配电网可靠性评估结果真实可信,该方法具有良好的应用前景。     

一种基于奇异值分解和反传神经网络的多小波域数字水印算法

针对图像经过CARDBAL多小波变换后,各层系数的能量平均分配,且其同一尺度、同一方向上的4个子块系数相近这一特性,结合奇异值分解和BP神经网络将二值图案水印嵌入到多小波系数的高频分量中。实验表明,该算法有良好的不可感知性和强健的鲁棒性。     

基于物联网的变桨系统数据采集与设计优化

提出一种基于现场运行数据的变桨系统设计优化方法。首先采用变桨系统PLC较强的算力进行运行数据统计与分析,得出实际运行边界。其次采用物联网设备通过移动网络将其发送至后端。最后对原有的设计方案进行优化,做到设计闭环。