A method for rapidly evaluating reliability and predicting remaining useful life using two-dimensional convolutional neural network with signal conversion

Journal of Mechanical Science and Technology - Real-time monitoring and rapid evaluation of bearing operating conditions, especially for the reliability evaluation and remaining useful life (RUL)...     

Preparation of CaO granules using the granulation method

ABSTRACT

Improving the hydration resistance of CaO particle in manufacturing and application of free CaO-containing materials has practical significance. In this study, CaO granules was made from Ca(OH)₂ particles, which were fabricated by the granulation method. The results showed that the hydration resistance of the CaO granules which was prepared under 1700?r?min^?1 was the best, the CaO granules was sintered well in calcination process, the shell of CaO granules was relatively dense, which improves the hydration resistance of CaO granules, and the rate of hydration weight increment was 0.58% after placed in the air for 20 days under a temperature of 10–14°C and a relative humidity of 57–81%.     

磁絮凝强化技术处理厌氧消化污泥脱水液

为满足后续生物处理单元对固体悬浮物（SS）和铁浓度的进水要求，采用磁絮凝强化技术对厌氧消化污泥脱水液进行预处理。通过正交试验和单因素试验，本文考察了混凝水力条件、聚合氯化铝（PAC）投加量、聚丙烯酰胺（PAM）投加量、磁粉投加量及药剂投加顺序对磁絮凝效果的影响。试验结果表明：磁絮凝强化技术在快搅300r/min（2min）、慢搅100r/min（15min）、静置10min时，依次投加磁粉（40mg/L）、PAC（30mg/L）、PAM（4mg/L）时处理效果最好。在此运行条件下，SS和Fe³⁺去除率分别为97.61%、98.24%、絮凝指数（FI值）取得最大值、zeta电位绝对值最小，絮凝效果最佳。与对照相比，磁絮凝强化技术对SS和Fe³⁺去除率分别可提高3.70%和10.82%，同时絮体最大沉降速度可提高33%。磁絮凝技术处理后的出水不仅可以满足后续生物处理单元对SS和铁浓度的要求，还可以有效提高磁絮凝体的沉降速度，减小沉淀时间，具有较好的实用价值。     

基于热电效应的高效环控系统

部分空间科学实验对环境温度有较高的要求，环境温度高于或低于空间科学系统能够提供的热沉温度，需要有可靠有效的加温降温处理措施。使用可靠性强的热电制冷片作为制冷制热方式和气液换热器二次换热来实现环境温度控制的需求，并对不同流体温度制冷制热效果进行分析，结果表明流体温度和目标温度差越小，热电制冷制热的效果越好。在环境温度制冷工况中，热电单元数量随电流增加先减少后增加，在制热工况中则单调递减，设计中需按照制冷工况进行热电单元数量的确定。当流体温度接近制冷制热的目标温度时，会出现整个系统总效率优于热电系统效率的区间。通过对热电单元和气液换热器的组合系统的性能计算，提供一种适于热电环控系统的计算方法和部件选型思路，对空间站环控系统的设计有重要参考意义。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

基于Isograph的FMECA分析在潜孔钻机中的应用

为提高潜孔钻机的可靠性,利用FMECA分析方法并结合Isograph软件对潜孔钻机进行FMECA分析。通过对潜孔钻机FMECA分析,确定了潜孔钻机危害性最高的组成结构,提出了预防维护的措施,为提高潜孔钻机的可靠性提供了依据。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。