利用改进的CEEMDAN和RBF神经网络相结合的方法识别压缩机气阀故障。首先利用改进型CEEMDAN对实验采集的振动信号进分解,该方法克服了传统方法在处理模态混叠和虚假分量方面的不足,并提出基于改进型CEEMDAN和奇异谱熵相结合的信号处理手段,对振动信号构造特征向量,最后将特征向量输入RBF神经网络进行模式识别训练。研究结果表明基于改进型CEEMDAN和奇异谱熵的信号处理方法可以有效地提取出往复式压缩机阀片故障的特征,而RBF神经网络算法在对压缩机阀片故障进行模式识别时准确率高达99.58%。

针对管道缺陷的风险评估,预设了工程实际中常见的管道凹坑、孔洞和裂纹典型缺陷特征,构建了实验测试平台,传感器采集信号。针对信号非线性非平稳的处理问题,提出一种基于ICEEMDAN-ICA的管道缺陷多特征融合信号处理方法,对管道的孔洞、凹坑和裂纹缺陷进行多特征提取,提取样本熵、近似熵和奇异谱熵进行特征融合,通过ELM分类器进行模式识别。研究结果表明,特征融合的方法大大提高了识别的准确率,达到了95%。

针对某公司新建智能工厂设备布置和调度优化问题,通过Plant Simulation仿真平台进行流程优化。首先建立整个智能工厂的车间作业调度模型,对工序进行拆分,然后通过遗传算法-粒子群混合优化方式求得最优调度解。由仿真结果可知,与某公司的传统布置方案相比,优化的方法解决了工序排布不合理的问题,提高了车间作业效率,优化了生产节拍,为企业赢得了利润空间。

分析了液压挖掘机斗杆的焊接结构，采用英国钢结构疲劳设计与评估标准BS7608对斗杆进行了焊接疲劳寿命评估。评估结果表明，斗杆与动臂铰接的孔系处焊接疲劳寿命最短，与实际情况相符合，其余评估点基本满足设计要求。