基于SVD-UKF的车用锂离子动力电池传感器故障诊断研究

针对传感器故障诊断问题,提出通过分析模型预测电压与传感器观测电压的残差来诊断传感器是否发生故障的方法。使用无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法估计电池的端电压,并提出使用奇异值分解（Singular Value Decomposition,SVD）代替平方根法分解,以解决协方差矩阵非正定导致的算法无法正常运行的问题。提出使用累积和（Cumulative Sum,CUSUM）法对残差进行分析,通过监测CUSUM的变化来判断传感器是否发生故障。以动应力测试（Dynamic Stress Test,DST）工况作为验证工况,用3类常见的传感器故障对提出的方法进行验证。结果表明,提出的传感器故障检测方法在一些微小故障的检测中,相比于传统的设定残差阈值的方法更灵敏,能更快检测出微小的数据偏移情况。     

高铁沿线大风预测技术研究

风速预测是风致灾害预警的关键技术.针对高铁大风预测中延迟性和误报的问题,提出一种基于完整集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的组合预测模型对高铁沿线风速进行预测.为了减少预测模型的复杂度和提高模型预测精度,原始风速数据用CEEMDAN分解并利用样本熵(SE)理论将分解出的分量按照样本熵近似...     

基于递归二分类法的电力机车四象限输入过流故障诊断研究

四象限输入过流故障是HXD1型机车牵引变流器的主要故障之一,由于引发该故障的原因较多且故障样本分布不均,导致该故障难以诊断与定位,为此提出了一种基于递归二分类的故障诊断方法。基于K-Means与小波包分解对数据相关关键字段进行特征提取,用基于集成学习的梯度提升决策树(GBDT)构造可靠的分类模型以及用递归二分类法对多标签数据进行递归分类与诊断。对HXD1型机车四象限输入过流故障样本文件进行相关试验,结果表明该方法对于故障样本分类及故障诊断定位有显著提升效果。     

一种基于UEE-EMD的滚动轴承故障诊断方法

滚动轴承是很多大型旋转机械的核心部件,其故障诊断的研究对保障旋转机械运行稳定性具有重要的意义。经验模态分解方法对分析非线性不稳定的滚动轴承故障信号具有独到的优势。然而,经验模态分解固有的端点效应问题往往会导致较大的故障特征提取误差,影响故障诊断的准确性。针对上述问题,本文提出基于无失真端点极值化的经验模态分解(UEE-EMD)的滚动轴承故障诊断方法,UEE-EMD通过交叉取样策略和端点极值化策略从源头上抑制端点效应的产生,利用本征模函数截头去尾从结果上屏蔽端点效应,保证了滚动轴承故障特征提取的准确性。故障诊断仿真实验表明,基于UEE-EMD的滚动轴承故障诊断取得了更好的诊断效果。     

基于冲击回波法的混凝土-围岩缺陷检测与信号处理研究

喷射混凝土?围岩(Concrete-Rock,CR)结构的界面黏结缺陷隐蔽性强,缺乏具体有效的质量评价方法.鉴于冲击回波法的传统信号分析方法难以准确识别此类分层结构内部缺陷情况,设计不同接触质量、不同厚度的CR试件,进行冲击回波试验.对回波信号进行频域分析和时频域分析,并对回波信号进行小波包分解,计算小波包相对能量特征值作为支持向量机的输入向量,对不同缺陷进行识别.研究结果表明,CR结构的频域结果中存在多峰值现象,而时频分析综合了时间与频率信息,可获得较好效果,基于小波包相对能量的机器分类可识别缺陷特征,识别率在80％以上.     

凹坑表面圆柱的尾流特性

为了阐明凹坑表面圆柱后流特性，采用粒子图像测速技术（PIV）对凹坑表面圆柱后流流场进行了测量，同时利用本征正交分解法（POD）对凹坑圆柱流场进行分解。在试验雷诺数为1.17×10⁴时，研究光滑圆柱及凹坑表面圆柱尾流的时均速度场、POD模态能量分布、POD模态系数以及POD模态系数的相关性。结果表明：凹坑表面能够产生涡垫效应；凹坑表面圆柱的模态1和模态2所包含的能量低于光滑圆柱，旋涡脱落过程被影响，涡街的形成延迟，但是凹坑圆柱的旋涡脱落频率略大于光滑圆柱。此外，凹坑表面圆柱的POD模态系数的相关性特征被破坏。凹坑圆柱的POD模态系数的相关性，说明凹坑结构削弱了涡脱落过程。凹坑圆柱的能量分布相对分散。     

基于LCD和奇异值分解的轴承故障诊断

针对滚动轴承故障信号在初期特征频率微弱而且难以提取的问题,提出一种基于局部特征尺度分解(LCD)和奇异值分解相结合的故障诊断方式。首先对采集到的目标信号进行LCD分解,得到一系列内禀模态分量(ISC),然后再通过峭度—相关系数筛选用来重构真实的ISC分量,利用奇异值分解对重构分量进行分解。接着求出所对应的差分谱,根据差分谱理论再次进行重构,最后再对重构信号进行能量算子包络解调。通过实验验证,相比于传统包络解调,所提的方法能够有效地提取出故障轴承的特征频率。     

变微分模态分解罚参量选择方法与时变系统识别

针对变微分模态分解（variational mode decomposition，VMD）罚参量会对分解结果产生影响的问题，提出一种基于数据驱动的VMD罚参量选择方法.该方法首先通过傅里叶变换的主频峰值确定罚参量；然后调整层数参量，获得有限个固有模式分量，通过对比不同层数参量时所得固有模式分量的固有频率与阻尼比变化，剔除伪分量；最后对真实固有模式分量进行希尔伯特变换，用于识别时变系统的瞬时频率. 为证明所提方法对时变系统识别的有效性和准确性，分别对具有时变刚度的结构系统和柴油发动机的时变做功过程进行研究，将所提方法结果与经验模态分解方法结果进行比较. 比较结果表明，当罚参数取值是信号最大幅值的1.5～16.0倍时VMD分解结果最优，所提方法可以更准确地识别瞬时频率，在工程应用中的能够更有效地对系统瞬时频率进行识别.      

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

针对强背景噪声环境下高速列车齿轮箱轴承故障信号难以检测的问题以及多点优化最小熵解卷积修正(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)方法受滤波器阶数、故障周期影响的问题,提出了基于奇异值分解(singular value decomposition, SVD)改进的MOMEDA的轴承故障诊断方法。首先采用SVD作为MOMEDA的前置滤波器滤除部分噪声,然后通过MOMEDA多点峭度谱追踪故障周期成分,采用变步长搜索法迭代求解MOMEDA滤波器最优阶数,最后利用最优参数相对应的MOMEDA增强信号中的周期性脉冲,并通过包络谱提取故障特征。仿真信号和试验数据分析表明:该方法能实现高速列车齿轮箱轴承故障的精确诊断,且故障诊断效果优于互补经验模态分解方法。     

产业转移背景下西部运输需求的完全分解模型

研究西部综合运输系统需求驱动因素，将产业转移因素考虑在内，对原有包含三大因素的完全分解模型进行改进，构建包含经济总量、运输需求强度、产业转移和产业结构整体变动等四大因素的完全分解模型，根据2002-2015年统计数据对西部地区综合运输系统需求进行实例计算.研究结果表明，经济总量增长是西部综合运输系统需求增长的主要原因，随着经济增速放缓，产业转移促进政策的出台，运输需求强度变化和产业转移的影响逐渐显著.在产业转移背景下，西部地区应该根据产业转移发展态势，有针对性地做好综合运输系统布局，创造更好的条件承接产业转移.