-
题名随钻井下振动数据分析软件设计与实现
- 1
-
-
作者
李辉
刘凯
李威桦
卜赛赛
孙伟峰
戴永寿
-
机构
中海油田服务股份有限公司油田技术研究院
中国石油大学(华东)控制科学与工程学院
中国石油大学(华东)海洋与空间信息学院
-
出处
《现代电子技术》
2023年第13期128-134,共7页
-
基金
国家自然科学基金项目(62071493)
增强型井下工程参数测量仪器研制(YJB20YF002)。
-
文摘
随钻井下振动数据的分析和处理对安全钻井、仪器维保策略选择、钻具疲劳损伤评估、钻进效率评估等具有重要意义。文中在Visual Studio环境下,利用C#语言开发了随钻井下振动数据分析软件,对振动数据进行时域和频域分析,实现了振动信号时域波形显示、振动量级统计分析、振动信号频谱分析、横向和纵向特征强度计算、粘滑比计算、井下异常振动状态识别等功能,解决了大数据文件的快速读取问题,提高了软件的运行效率和鲁棒性。利用该软件对现场实测振动数据的分析结果表明,振动数据分析结果正确,软件运行稳定,数据处理速度快,满足用户使用需求。
-
关键词
井下振动数据
数据分析
软件设计
文件读取
时域分析
频域分析
软件测试
-
Keywords
downhole vibration data
data analysis
software design
file reading
time⁃domain analysis
frequency⁃domain analysis
software testing
-
分类号
TN919.5-34
[电子电信—通信与信息系统]
TP311.1
[电子电信—信息与通信工程]
G642.0
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于多压电薄膜传感器的睡姿识别方法研究
被引量:5
- 2
-
-
作者
耿读艳
董嘉冀
宁琦
赵杰
王晨旭
-
机构
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
河北工业大学河北省电磁场与电器可靠性重点实验室
-
出处
《现代电子技术》
北大核心
2020年第20期5-8,共4页
-
基金
国家自然科学基金面上项目(51877067)。
-
文摘
睡眠姿势是评估睡眠质量的一个重要因素,对呼吸暂停和心血管疾病有着重要影响。为提高心冲击(BCG)睡姿识别的准确性,提出一种通过多路压电薄膜传感器采集心冲击信号实现睡姿识别的方法。首先设计多压电薄膜传感器组成的软垫来获取BCG信号,然后对预处理后的BCG波形进行时域分析,利用特征比值法优化特征向量,最后输入粒子群优化支持向量机(PSO-SVM)实现仰卧、左侧卧、右侧卧、俯卧4种睡姿的准确识别。结果表明,该文方法与已有睡姿识别方法相比准确率提高到97.1%,克服了单路BCG波形受个体差异及环境的影响,为家庭医疗与无感睡眠监测的研究提供了基础。
-
关键词
睡姿识别
睡眠监测
床垫设计
心冲击信号采集
时域分析
特征向量优化
对比验证
-
Keywords
sleeping posture recognition
sleep monitoring
mattress design
BCG signal collection
time⁃domain analysis
feature vector optimization
comparison validation
-
分类号
TN304.055-34
[电子电信—物理电子学]
R138
[医药卫生—劳动卫生]
-
-
题名旋转设备故障特征提取的研究
- 3
-
-
作者
陈彬
全宇轩
刘阁
商芷萱
张永昌
-
机构
华北科技学院应急装备学院河北省矿山设备安全监测重点实验室
华北科技学院化工安全学院
-
出处
《机械设计与研究》
CSCD
北大核心
2024年第1期190-199,共10页
-
基金
国家自然科学基金资助项目(51375516)
河北省高等教育学会“十四五”规划重点课题(GJXHZ2021-40)。
-
文摘
旋转设备包括滚动轴承等设备,是工业生产中的核心设备之一,长期工作在重荷、高温等环境下,是故障发生率较高的设备类型。任何微弱故障的发生都可能会对设备的可靠运行与安全生产造成恶劣影响,因此针对旋转设备进行故障诊断研究十分重要。而对旋转设备的振动信号进行分析处理,提取其故障特征是目前对其进行故障诊断的重要途径。首先将故障特征提取方法划分为时域、频域、时频域分析和人工智能几个部分,分别详细阐述了国内外对旋转机械的故障特征提取方法,并对其基本理论与优缺点进行了分析,最后总结了各种故障特征提取方法的优点与局限性,并对故障特征提取领域未来发展趋势进行了展望,旨为研究人员带来新的启发。
-
关键词
旋转设备
滚动轴承
设备故障
时域分析
频域分析
时频域分析
-
Keywords
rotating equipment
rolling bearing
equipment failure
time domain analysis
frequency domain analysis
time⁃frequency domain analysis
-
分类号
TH133.33
[机械工程—机械制造及自动化]
TN911.7
[电子电信—通信与信息系统]
TH17
[电子电信—信息与通信工程]
-