基于深度信念网络的滚动轴承特征迁移诊断

滚动轴承的故障智能诊断研究多是针对同源数据进行，而不同型号、不同工况下的滚动轴承，由于时、频特征差异，加之背景噪声的影响，导致识别准确率偏低。为了解决这一问题，笔者以6307和6205两类深沟球轴承为研究对象，建立了以深度信念网络（deep belief network，简称DBN）为核心的迁移诊断模型，构造了以波形指标、峭度指标、近似熵及分散熵为代表的特征识别参数。为了抑制信号传递路径（共振频带差异）和背景噪声的影响，引入最大相关峭度反卷积（maximum correlated kurtosis deconvolution，简称MCKD）方法，并对其关键参数实施了自适应选取。结果表明，由MCKD与DBN联合组成的迁移诊断模型，在3类不同数据源之间的诊断准确率均超过了95%，为滚动轴承的迁移特征诊断提供了一条可行的途径。     

基于JHA的供热系统危险源辨识

安全生产是供热企业生存发展的根本。根据供热系统的运行特征、工艺特点,采用JHA方法针对供热系统中的3个关键环节热源(锅炉房)、换热站和热网中的各操作节点开展危险源辨识,分析产生危害的原因和可能造成的后果,探讨供热行业进行较为系统的危险源辨识的途径,以期降低供热企业安全事故风险。通过辨识,确定了供热系统各作业环节可能存在的危险源,明确了各危险源的代码及名称,指出了各危险源可能造成的事故和伤害,为供热企业开展危险源辨识提供了指导。     

建筑给水立管成环型式与水头损失消减效果研究

建筑供水系统是城镇供水体系的终端,建筑的节能节水问题一直是业界关注的热点.建筑给水管道系统多采用枝状管网,存在节能节水方法不多、最不利点水压待优化、节能节水效率不高等问题.提出了基于最不利点的建筑给水立管设置成环状观点,采用EPANET软件建立了建筑给水立管系统模型,研究了建筑给水管道系统在不同流量、不同立管成环型式的最不利点水头损失变化规律,表明建筑立管成环型式均有明显的水头损失消减作用,确定出几种典型建筑给水立管成环型式的最不利点水头损失消减效果,其中2种管网的三立管成环型式的水头损失比单立管型式分别减小27.08％和50.47％;明确了建筑给水立管成环型式的连通管长度及管径之间适配性,确定的适宜管径和最大长度分别为DN32和100?230 m.