简介：针对齿轮故障特征提取和状态识别困难的问题，提出一种基于排列熵和连续隐马尔可夫模型（CHMM）的齿轮故障诊断方法。首先对提取的目标齿轮啮合信号作降噪处理，再采用排列熵算法进行分析，提取排列熵均值、方均根、最大值、最小值作为特征量输入到CHMM中训练和识别，通过对比最大对数似然概率值来确定齿轮的故障。最后在变速箱齿轮故障模拟试验台上，对正常、轻微磨损、严重磨损和断齿4种齿轮状态进行试验验证，结果表明该方法能有效地对齿轮故障进行诊断。

简介：高金吉院士是我国设备诊断工程的著名专家，曾任中国石油辽阳石油化纤公司副总工程师，教授级高级工程师，自2001年先后任北京化工大学学术委员会副主任、主任，机电工程学院院长、名誉院长，创建诊断与自愈工程研究中心和组建化工安全教育部工程研究中心，建立国家危险化学品生产过程故障预防及监控基础研究实验室，高端机械装备健康监控与自愈化北京市重点实验室，并任中心主任。

简介：为了探索在氰化浸出之前进行预处理工艺,采用新诊断方法对含有氧化铁/氢氧化铁(铁帽型)难处理金/银矿进行详细表征。结果表明,金以自然金和银金矿(尺寸为6~24μm)存在,夹杂在方解石和石英基体中的褐铁矿、针铁矿和纤铁矿中。矿物解离度分析(MLA)表明,银金矿以游离颗粒存在,夹杂在砷菱铅矾、褐铁矿/针铁矿和石英中。银主要以硫银矿(Ag2S)和银金矿存在,夹杂在矿石的砷菱铅相里。氰化浸出实验表明,在浸出时间达到24h后,矿石(d80:50μm)中金和银的浸出率分别只有76%和23%。矿石的诊断浸出实验和详细的矿物分析表明,金和银主要夹杂在氧化铁矿物相中,如褐铁矿/针铁矿和黄钾铁矾型的砷菱铅矾,这些氧化铁矿物能在碱性溶液中分离出来。基于这些研究,在氰化浸出之前将矿石在KOH溶液中进行碱性预处理,能将银和金的浸出率分别提高到87%和90%。这些发现表明碱性浸出能作为一种新的诊断方法用来表征含氧化铁/氢氧化铁的金/银矿处理难度,并且可作为一种预处理方法来提高其浸出率。