浙江省自然科学基金(LQ12F03007)
- 作品数：7 被引量：25H指数：3
- 相关作者：陈如清钱苏翔顾小军张伟郑倩云更多>>
- 相关机构：嘉兴学院浙江嘉兴电力局华东理工大学更多>>
- 发文基金：浙江省自然科学基金浙江省大学生科技创新活动计划(新苗人才计划)项目嘉兴市科技计划项目更多>>
- 相关领域：自动化与计算机技术电气工程机械工程更多>>
- 20kV系统灵活接地装置故障引起110kV主变跳闸的事故原因分析及对策
- 2013年
- 针对某地区一起110kV主变跳闸事故,从20kV灵活接地装置及主变非电气量保护的原理进行分析,认为灵活接地装置未可靠动作是造成事故的原因,提出了相应的技术和组织管理措施,作为防范此类事故的有效方法。
- 李慧娟瞿峰董成明梁永欣
- 关键词：配电网
- 测控技术与仪器专业课程体系改革实践与整体优化研究被引量：5
- 2013年
- 针对高校测控技术与仪器专业理论和实践教学中存在的问题,结合教学现状,以"工程测试与传感技术"为特色,从专业特色凝练、课程体系优化和实践教学模式改革等方面,开展教学改革研究。实现课程、专业与人才培养的一体化联动。构建了一套具有特色的测控专业课程理论教学体系和分层次、多面向、课内外一体的实践教学体系,形成了良好的师生互动机制和教书育人效果。
- 陈如清钱苏翔顾小军
- 关键词：测控技术与仪器课程体系改革案例教学
- 基于改进MVU的非线性动态过程故障检测方法被引量：10
- 2013年
- 针对化工过程数据的非线性和动态性分布特征,引入Laplacian特征映射(LE),提出了一种基于改进最大方差展开(MVU)的特征提取算法。在改进算法中,局部以欧式距离、全局以测地线距离为尺度度量数据间差异性,以更好反映数据内在几何性质;此外,借鉴LE算法思路,通过最小化近邻点间距离实现流形结构保持。改进算法兼具全局特性保持和局部流形学习能力,计算效率也有较大提高。将其用于提取非线性动态过程高维数据子流形特征,利用SVDD在特征空间建立故障检测模型,构造统计量并确定其控制限。TE过程仿真及丙烯聚合过程实验研究表明改进方法能有效挖掘过程特征信息、监控过程变化并及时检测故障发生,故障检测率较传统方法有显著提高。
- 陈如清
- 关键词：SVDD故障检测
- 基于LabVIEW的双通道虚拟示波器设计被引量：1
- 2013年
- 本文基于LabVIEW软件,采用模块化的设计思路,开发了双通道虚拟示波器。软件设计主要包含通道选择模块、时间和幅值分度调节模块、触发耦合模块、参数测量模块及信号发生模块。通道选择模块可以选择两个通道单独显示、两个通道同时显示以及两个通道叠加显示,时间和幅值分度调节模块可以分别调节示波器的时间分度和幅值分度。通过信号发生模块产生仿真信号,参数测量模块完成波形的各种参数测量。仿真结果表明该系统基本实现了传统示波器的功能,且测量精度和可靠性等性能指标优于传统仪器。具有较强的可操作性和可维护性。
- 莫娇陈如清郑倩云张伟
- 关键词：虚拟仪器示波器信号发生器LABVIEW
- 改进的协同粒子群优化算法的研究与应用
- 2012年
- 为增强现有PSO算法和协同粒子群优化算法的优化性能,提出了一种改进的协同粒子群优化算法及一种新的协同策略。该算法在进化过程中,将寻优粒子群分解为若干子分群,各子分群粒子利用本分群经验和整个种群经验进行搜索,既能在分群内部不断搜索,不迷失寻优方向,又能周期性地共享整群最优值引导粒子找到最好解。分解为多个子种群有利于维持种群的多样性,有效抑制局部最优现象发生。对经典复杂函数的寻优测试表明,改进算法的鲁棒性、收敛速度、精度及全局搜索能力均优于基本PSO算法。最后将改进算法用于建立基于神经网络的旋转机械故障诊断模型,设计了相应的故障诊断系统。结果表明,基于此算法的故障诊断系统具有诊断精度较高、稳定性能较好等特点。
- 陈如清杨妍
- 关键词：粒子群优化算法协同进化旋转机械神经网络故障诊断
- 基于数据驱动的复杂工况过程监测方法研究进展
- 2013年
- 随着过程工业系统结构日益复杂,系统安全及产品质量的在线监控显得尤为重要。该文首先介绍了过程监测与诊断技术的研究背景和意义,对现有基于数据驱动的过程监测方法研究现状作了综述。重点阐述了针对单一约束条件,尤其是过程的非线性或动态性的多变量统计过程监测方法。由于非线性和动态性这两种特性在实际工业过程中普遍同时存在,研究此类复杂工况下的过程监测问题具有重要意义。最后,分析了采用流形学习方法解决非线性动态过程监测问题的可行性和挑战性,并指出非线性动态过程、故障检测与诊断以及机器学习新算法的研究将是过程监测与建模技术的近期发展趋势。
- 陈如清钱苏翔
- 基于KPCA-MVU的噪声非线性过程故障检测方法被引量：10
- 2014年
- 实际化工过程监控数据具有非线性特征且易受随机噪声影响。将核主元分析(KPCA)方法与最大方差展开(MVU)特征提取算法相结合,提出一种基于KPCA-MVU的噪声环境下非线性过程故障检测新方法。改进算法在对非线性噪声数据的降维过程中,首先对各样本点的邻域范围采用局部KPCA方法识别并剔除过程数据的噪声,再提取输入数据空间中的非线性主元;其次,在保持近邻点间欧式距离不变的前提下,MVU通过旋转平移等变换在低维特征空间中展开高维数据流形的同时保持数据的全局几何结构。噪声环境下TE过程的仿真分析和丙烯腈聚合过程的实验研究结果表明,基于改进方法构建的过程故障检测模型可有效改善基本MVU和KPCA方法对非线性噪声数据的特征提取性能,有效增强了对噪声的鲁棒性。
- 陈如清
- 关键词：核主元分析故障检测
