基于PCA-GRU-SVM模型的多参量煤矿瓦斯浓度预测及预警研究北大核心CSCD

煤矿瓦斯浓度精准预测及提早预警对于预防瓦斯灾害发生至关重要。为充分利用井下多传感器监测信息提升矿井瓦斯浓度预测及预警模型的性能,提出一种基于主成分分析(PCA)、门控循环单元(GRU)神经网络和支持向量机(SVM)组合的多参量瓦斯浓度预测及预警模型。针对监测数据的时序性、动态性和非线性强等特性问题,采用邻近均值法、小波降噪和归一化法对数据进行处理,利用PCA对数据降维以简化GRU模型拓扑结构,提高瓦斯浓度预测精度,通过构建基于SVM的矿井瓦斯浓度预警模型实现对矿井安全状态的实时动态监测。选取安徽某煤矿171105工作面的实测数据对PCA-GRU-SVM模型预测结果与性能进行验证。仿真结果表明：相对于PCA-LSTM、PCA-RF和PCA-BP模型,本文构建的预测模型的平均绝对误差(MAE)分别减少了18.45%、56.36%和87.3%,均方根误差(RMSE)分别减少了5.17%、9.04%和67.52%,预警模型的预测准确率为94.1%,说明该模型具有较高的拟合度和预测精度。该研究结果可为实现瓦斯灾害的预测及超前预警提供参考,对矿业安全生产具有重要意义。     

基于通勤时间距离的LE污水处理过程故障检测方法

污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE算法的邻域参数敏感问题并提高了算法的鲁棒性.将基于通勤时间距离的LE流形学习算法用于污水处理过程故障检测建模,在低维流形子空间构造综合统计量进行过程监测.应用结果表明,与基于PCA方法和LE方法的故障检测模型相比,基于改进算法的故障检测模型可及时探测故障的发生,具有较低的故障漏报率和故障误报率.为污水处理等复杂工业过程的故障监测提供了一种可行的解决方案.     

PCA和SDG融合的天然气脱水装置故障诊断

目的 快速定位天然气脱水装置的故障源.方法 对反映脱水系统运行状态的众多监测参数进行主成分分析,从而识别其中的异常参数.结合脱水工艺流程图,对所有参数及潜在设备故障进行因果分析,以建立脱水装置整体的SDG模型,将各异常参数的符号代入到该模型,按照双向推理规则最终确定造成这些参数异常的故障源.结果 通过主成分分析构造的SPE和T2统计量在脱水装置正常运行的时间段分别保持在低于20和141的控制限范围内,出现故障时两者几乎同时急剧增大,随后一直在远高于控制限的区间上波动.用贡献图法识别出的该故障的主导参数有三甘醇循环量、重沸器温度和缓冲罐液位.结论 将PCA与SDG相结合能够综合两种方法各自的优点,提高石化装备检维修的效率,保障设备的可靠运行.     

催化裂化装置异常监测预警技术研究

针对催化裂化装置工艺条件苛刻,操作过于依赖经验,导致非计划停车事件时有发生的现状,研究了以主元分析方法为核心的基于数据驱动的异常监测预警技术,利用生产过程的运行数据进行复杂过程的异常工况识别,并提出基于自适应聚类方法的多模态异常识别技术;研究了以专家系统为核心的异常监测预警方法,根据异常工况关联参数分析,对反映异常工况的征兆与产生异常工况的原因分别建立关联规则,形成异常工况专家规则知识库。基于上述催化裂化生产过程异常监测预警技术开发了相关的软件系统。     

基于时频分析的裂纹转子碰摩故障特征研究

为研究转子系统耦合故障特性,采用有限元方法建立了含有横向裂纹、转静碰摩的非线性转子动力学模型。首先研究了不同转速下裂纹、碰摩单一故障下转子系统的振动响应,其次研究了两种故障耦合情况下系统的振动响应特征。采用波形图、FFT谱图、瞬时频率和Hilbert-Huang时频谱(HHS)相结合的方法对故障转子振动信号进行了分析。分析结果表明:运用多种时频分析相结合的方法可以较为全面地了解转子的故障特征,裂纹转子在1/5、1/3临界转速时会发生较为明显的5X、3X谐波,且裂纹的产生会导致响应幅值增大,从而引起更为严重的碰摩。      

基于PCA和BP神经网络的中南公路岩质边坡稳定性预测

综合利用主成分分析法(Principle Component Analysis,PCA)对影响公路岩质边坡稳定性的6个因素进行主成分提取,提取的4个主成分作为BP神经网络的输入变量,边坡状态作为输出变量,并采用Levenberg-Marquardt(LM)算法优化BP神经网络,建立了基于PCA-LM-BP神经网络的公路边坡稳定预测模型。结合中南公路岩质边坡工程实例,将PCA-LM-BP神经网络模型的预测结果与LM-BP神经网络模型、BP神经网络模型预测结果进行对比。结果表明:基于PCA-LM-BP神经网络的预测模型精度较高,可为预测中南公路边坡稳定性提供一定的依据。     

黄浦江和苏州河的着生藻类与水质因子关系的多元分析

通过对黄浦江和苏州河7个断面的着生藻类群落结构及水质状况持续1年的监测,分析着生藻类群落结构的季节变化;并对7个水质指标进行主成分分析,提取影响水质的主要因子,结合着生藻类的群落参数,利用逐步回归分析方法建立水质主要因子与着生藻类群落参数间的回归模型,确定影响着生藻类群落参数的关键因子.结果表明:着生藻类群落结构以硅藻占主要地位,着生藻类优势种以及各群落参数的季节变化明显;对水质参数进行主成分分析（PCA）所提取的3个主成分中,主成分1（PCA1）主要代表水体中COD_Cr和Chl-a含量,主成分2（PCA2）主要代表水体中DO和TP含量,主成分3（PCA3）主要代表水体中TN含量.其中PCA1和 PCA2对着生藻类密度的影响较显著,主成分对着生藻类的其他群落参数影响不显著,表明着生藻类密度是指示河流水质状况的重要群落指标.      

基于PCA-C均值聚类输油泵故障状态识别方法研究

介绍了运用PCA进行输油泵早期故障特征提取以及应用FCM对其故障状态进行识别。对输油泵转轴不对中进行数据采集,通过时域分析,采用PCA提取众多时域指标的主成分,对其进行量化作为各个状态的观测序列。运用观测序列训练各种故障状态的FCM模型,将所测的故障数据输入到训练好的FCM分类器中,求出与聚类中心欧式距离,距离最小者即为当前故障状态。实验结果表明,利用该种方法能够很好地进行故障状态识别。     

基于条件变分自编码器的齿轮箱故障诊断

目的实现齿轮箱故障类型的智能识别诊断。方法针对传统故障诊断方法通用性不广、数据依赖强、泛化能力弱并需人工提取特征问题,提出一种基于条件变分自编码器的故障诊断方法。以故障类别概率分布为目标并将振动信号频谱作为条件,通过条件变分自编码器,建立齿轮箱振动信号频谱到对应各故障下的条件概率模型,并通过多层神经网络结合变分推断方法进行训练优化,实现对齿轮箱各类型故障的高精度分类诊断。结果在仅有少量训练数据条件下,实现了准确的故障识别。结论条件变分自编码器在齿轮箱振动信号频谱概率分布建模上具有优异性能,对故障信号数据量的依赖低、泛化能力强,无需人工提取特征。能有效实现齿轮箱故障的智能分类诊断。     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

基于短时傅里叶变换的飞行器故障振动信号分析

目的对某飞行器出现故障时的振动信号进行分析,为故障定位提供依据。方法将短时傅里叶变换方法应用于飞行振动信号分析,通过计算故障振动信号和正常振动信号的短时傅立叶变换谱,获取两者之间的不同时频特征。通过分析包括发动机工作、外部气动激励、设备工作、电气干扰在内的各种影响因素的时频变化特征,与故障振动信号的时频特征对比,为故障定位提供依据。结果故障振动信号的时频特征表现为飞行中期突发出现的某一频率的倍频振动响应,且振动频率随时间增加逐渐增大,分析表明只有发动机异常工作才具有此特征。结论短时傅里叶变换可以有效地获取飞行振动信号的时频特征,可以更深入地了解不同振动影响因素的时频特征,为飞行故障定位分析提供了新途径。     

基于主成分分析的上海春季近地面臭氧污染区域性特征研究

为研究上海春季近地面臭氧污染的区域性特征,对长三角地区55个城市国控站点及上海市54个城市监测站点2016年5月的臭氧监测网络数据进行主成分分析(Principal Component Analysis,PCA),并将分析结果与气象条件进行综合分析,结果表明,主成分分析在不同的空间尺度下可以解析出行为模式不同的臭氧生成及传输来源主成分,且在较大的空间尺度下可以解析出区域背景臭氧浓度.长三角地区春季区域臭氧特征复杂,存在9个主成分,第一主成分所能解释的背景臭氧浓度在68.8～154.7μg·m~(-3)之间,而上海市主成分解析结果较为集中,仅能解析出两个主成分,且第一主成分即可解释90.5%的臭氧.对比同时段长三角及上海市主成分分析解析结果,上海市春季臭氧污染主要受到来自海洋的东南风影响,高浓度臭氧污染的本地生成贡献显著.     

石化装置异常工况监测预警系统研究

针对石化装置的工艺生产特点,以生产过程的"数据"与"知识"为基础,进行多源信息融合,研究了用于信号处理的基于提升格式的数据滤波技术、基于灰色时序模型的参数预警技术、基于平行坐标的报警优化技术;用于异常工况监测预警的基于专家系统与人工神经网络的异常工况识别技术、基于机理模型的装置物料与能量平衡分析技术、基于状态空间分析的运行状态监测预警技术;搭建了异常工况分析测试与试验平台,用于异常工况监测预警系统的可靠性与完备性分析.工业应用表明,该系统对减少误操作具有良好的效果.     

催化裂化三机组能效实时计算与应用

催化裂化装置三机组能效计算影响因素众多、耦合作用强,结合主风机、烟气轮机的动力学、热力学性质以及电机特性,构建了能效计算模型,可实现三机组能效的实时计算。以某催化裂化装置为例,进行了能效计算的验证,并对机组能效的影响因素进行了分析,结果表明：通过设计、操作与维护协同优化,提高有效烟气流量、温度和压力,降低烟机背压,采用高效叶片,减少烟机结垢,优化主风机设计选型等措施均可有效提升三机组能效。     

黄石市磁湖水质时空分布及污染源解析

为解析黄石磁湖污染来源和水质时空分布,以磁湖2015—2019年水质监测数据为基础进行污染因子主成分分析(PCA),通过绝对主成分-多元线性回归(APCS-MLR)受体模型计算污染源贡献率,采用反距离权重插值法(IDW)分析水质时空分布规律.结果表明:影响磁湖水质的第1、第2、第3主成分分别是城市面源、城镇生活污染源及...     

超重力模拟试验离心机振动特性的回归分析

目的 研究试验离心机轴承座以及主轴振动随运行工况的变化规律,实现不同工况下离心机振动的预测。方法 通过试验方法分别获取不同工况下超重力模拟试验离心机的轴承座以及轴振数据。建立试验离心机的单自由度动力学模型,基于该模型,对不同工况下离心机基座振动加速度以及主轴振动位移进行回归分析。结果 离心机轴承座以及主轴振动基频均随着转速以及不平衡量的增大而增大。回归模型对轴承座以及机室基频振动数据的回决定系数均在0.9以上,对中导以及上导主轴振动位移的回归决定系数在0.7左右,对下导主轴振动位移决定系数小于0.1。结论 回归模型可以很好地解释和预测轴承座以及机室振动基频随着转速和不平衡量的变化规律,可以部分预测中导以及上导处主轴振动位移随运行工况的变化。该分析结果为大型试验离心机振动监测系统的设计以及振动特性的预测提供了参考。     

地下水型水源地水质安全预警技术体系研究

地下水型水源地水质安全预警是城镇集中供水的地下水资源保护和管理的重要依据.为了提高地下水型水源地水质安全预警功能,提出了包括基于水质长序列监测预警、基于污染动态模拟预警及基于区域污染风险评价预警的技术体系.其中,基于水质长序列监测的预警是通过因子分析筛选水源地特征污染物,分析水质数据变幅以确定水源地水质的预警级别,可实现针对水源井的开关控制作用;基于污染动态模拟的预警是在水源地外围污染源特征基础上,模拟其动态迁移过程,进而确定其影响水源地水质的预警级别,可实现对水源地水质变化趋势的预判;基于区域污染风险评价的预警着重于水源地受区域污染风险控制与水源地保护区的耦合效应,同时结合其他预警影响因子作用以确定预警级别,可实现对水源地所在区域的宏观管控.该技术在哈尔滨市利民水源地进行了综合应用,结果显示,基于水质长序列监测预警中,COD_Mn及NH₄+的最大变幅指数均在1~2之间,预警级别确定为一级;根据污染动态模拟的结果得知,位于水源地开采井流场上游较高ρ（NH₄+）的范围在迁移20 a后,污染晕前段尚未到达水源地,确定预警级别为零级;基于区域污染风险评价的预警确定水源地所在区域为零级预警区,综合分析可以确定利民水源地地下水水质存在污染风险,应采取相应的管控措施.      

基于小波包模糊熵与RBF神经网络的滚动轴承故障诊断

针对滚动轴承发生故障的振动信号具有复杂度高、非线性的特点,难以准确提取滚动轴承的故障特征和故障识别问题,提出了基于小波包分解(WPD)与径向基函数(RBF)神经网络相结合的轴承故障诊断方法。该方法对滚动轴承振动信号进行三层小波包分解,然后重构各频段的信号,计算各频段信号的模糊熵作为特征矢量,构建训练集和测试集,对RBF神经网络模型进行训练,使用经过训练的RBF神经网络进行故障识别,输出滚动轴承的故障类型。采用美国CWRU轴承数据中心的数据进行仿真实验,结果表明该方法能更有效地诊断出轴承故障类型。     

列车运行监控装置主机的超高斯加速振动试验研究

目的解决LKJ主机的超高斯振动试验问题。方法基于LKJ主机的实测振动环境数据,提出一种超高斯振动数据归纳方法,并应用该方法归纳出LKJ主机x、y、z向的实测PSD,同时按5.66的加速因子构建出超高斯加速振动试验剖面,其中x、y、z向PSD的RMS分别为3.34、6.28、3.85 m/s^(2),峰度分别为6.48、6.58、6.81,频率范围均为2~350 Hz。最后,采用超高斯加速试验剖面分别对2个LKJ主机进行超高斯振动试验验证。结果试验共激发出7类故障模式,这与特定线路运行LKJ主机现场故障模式高度吻合。结论该试验方法验证了LKJ主机超高斯加速振动试验的有效性。     

工业废气污染源智能鉴别技术的研究

利用电子鼻技术可对不同行业的工业废气污染源进行智能鉴别。采用主成分分析法(PCA)对20种不同企业排放的工业废气进行建模区分,并在主成分分析法的基础上,利用判别因子分析法(DFA)分别对5类不同行业的工业废气污染源建立了行业鉴别DFA模型。分析结果显示:主成分分析法可以对不同企业排放的工业废气实现很好的区分;鉴别模型可以实现不同行业排放的工业废气污染源的准确鉴别。研究表明电子鼻技术可以较好地区分不同企业排放废气的特征信号,从而实现对工业废气污染源的智能鉴别。