公共文化服务平台

胡晓: 作品数：16 被引量：60H指数：6; 供职机构：武汉大学更多>>; 发文基金：国家自然科学基金国家电网公司科技项目国家科技攻关计划更多>>; 相关领域：水利工程农业科学动力工程及工程热物理理学更多>>

合作作者

棉花节律调控相关分泌肽GhRALF1和转录因子GhTCP14a及其表达基因和应用: 本发明涉及一种棉花节律调控相关分泌肽GhRALF1，其氨基酸序列如SEQ ID NO.5所示，或具有0，或1，或多个氨基酸突变，但生物活性不变的序列。本发明涉及所述分泌肽GhRALF1的表达基因，以及其相关应用。本发明还...; 王坤胡晓周宇王得和

基于变分模态分解和复杂度分析的水电机组振动信号特征提取被引量：6: 2019年; 目前大型水电机组通常安装有状态监测系统可记录机组的振动数据,而如何从海量的数据中提取出机组的故障特征是水电机组故障诊断的难点和热点。提出了一种基于变分模态分解和复杂度分析的振动信号特征提取方法,该方法首先对降噪后的振动信号进行变分模态分解,再结合复杂度算法求得各模态分量的复杂度值,得到以各模态分量复杂度值为元素的反映机组故障信息的特征向量,最后利用支持向量机对特征向量进行分类。试验结果表明:基于变分模态分解与复杂度分析的特征提取方法对水电机组不同运行状态具有较好的区分度,是一种有效的振动信号特征提取方法。; 胡晓王昕黄建荧刘东肖志怀; 关键词：水电机组特征提取

基于输入-输出修正的水轮机特性曲线精细化模型被引量：8: 2019年; 目前常用的水轮机特性曲线模型包括线性模型和非线性模型,它们都是根据描述水轮机内外特性的方程或试验数据得到的。然而在建模的过程中,各种误差难以避免,如模型误差、测量误差和读数误差等,可能造成预测值与实际值不相符,影响模型的精度。同时,有关水轮机特性曲线模型修正的文献较少,缺乏行之有效的方法或准则,不利于相关研究成果的实际应用。本文以水轮机神经网络模型为例,提出了基于输入-输出修正的水轮机特性曲线精细化建模方法,并验证了该方法的有效性。首先根据模型综合特性曲线和边界条件,分别建立混流式和轴流式两种机组的非线性特性曲线模型。其次利用粒子群优化算法和二次多项式逼近原理,依次对模型输入和输出参数进行修正,得到最优修正系数。最后整合原始模型和修正部分,得到水轮机特性曲线的精细化模型。试验结果表明该方法能够有效提高模型的仿真精度,对研究真实机组的非线性特性具有重要意义。; 刘冬刘冬曾荃胡晓肖志怀; 关键词：水轮机模型修正神经网络粒子群算法

魔芋主要病害的快速诊断技术及其应用研究: 吴金平刁英杨朝柱胡中立顾玉成陈永波滕建勋牟方贵胡晓胡红杏; 1.开发了魔芋种芋软腐病菌的分子检测技术-荧光定量PCR和ARMS-PCR方法，可阻断魔芋软腐病传播主要途径—种芋带菌传播，并且可以随时通过土壤抽样检测魔芋种植区域的土壤健康状况。2.开发了魔芋芋花叶病毒的快速检测方法-...; 关键词：; 关键词：魔芋病害监测

基于EEMD-GA-BP的水电机组状态趋势预测被引量：16: 2021年; 电厂、电网的安全稳定与水电机组的运行状态息息相关。机组状态趋势预测弥补了故障诊断作为事后决策的不足,通过预测提前发现故障征兆,可以避免事故发生。本文结合EEMD和神经网络理论,提出了一种水电机组状态趋势预测模型。以国内某两电站的机组振动状态趋势预测为例,首先对机组振动信号进行EEMD分解,其次利用GA-BP预测模型预测各IMF分量运行趋势,最终预测信号是各分量的预测结果累加得到。实验结果表明,该模型能实现机组振动状态趋势的有效预测,相较于其他方法精度更高。; 陆丹肖志怀刘东胡晓邓涛; 关键词：GA-BP神经网络

基于振动信号的水电机组状态劣化在线评估方法研究被引量：18: 2021年; 实现水电机组状态劣化评估和故障预警是行业研究的热点。论文提出了一种结合时域与频域特征的机组劣化在线评估方法。(1)先利用检测指数确定振动信号中对机组运行状态最为敏感的时域特征;再以机组健康状态下工况参数X(水头、开度等)和检测指数筛选的振动信号时域特征Y为健康样本,利用最小二乘支持向量机构建机组状态健康模型Y=f(X)。基于该模型,以实时工况参数为输入,在线预测对应工况下机组振动信号时域特征健康值,计算健康值与实际值之间的相对误差,作为评估机组劣化程度的时域劣化指标。(2)利用小波变换与奇异值理论对振动信号进行分解,提取健康状态下机组振动信号奇异值特征向量并得到健康聚类中心,实时计算实测信号奇异值特征向量与健康聚类中心之间的相对欧式距离,作为频域劣化指标。结合时域和频域劣化指标,在线计算综合劣化指标评估当前时刻机组劣化程度。结合实际机组运行案例,验证了该模型的有效性和实用性。; 刘东赖旭胡晓肖志怀; 关键词：水电机组振动信号最小二乘支持向量机

基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究被引量：9: 2021年; 提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法。利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量。将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征向量,通过概率神经网络进行识别分类。为验证该方法的有效性,将水电机组常见故障在转子试验台上进行模拟,用上述方法进行诊断。结果表明,文中所提出的故障诊断方法能很好地识别水电机组不同运行状态,可为水电机组的故障诊断提供有效依据。; 唐拥军刘东肖志怀胡晓赖旭; 关键词：水电机组轴心轨迹卷积神经网络小波变换奇异值分解故障诊断