基于PBO与CNN的电梯轴承故障检测

电梯在生活中已经变得随处可见。而电梯轴承作为重要的部件之一，当出现故障时会造成财产损失，严重的会发生危及生命的事件。卷积神经网络(Convolutional Neural Network, CNN)具有强大的特征学习能力，能够根据电梯轴承在运行的过程中产生的振动信号来检测电梯轴承是否发生故障。文中结合了北极熊算法(Polar Bear Optimization, PBO)对卷积神经网络的参数进行优化。PBO作为自然界的一种启发式优化算法，采用PBO和卷积神经网络相结合的故障诊断方法，对轴承故障识别率达到了99.6%,高于传统的卷积神经网络对电梯轴承的振动产生的特征信号进行故障诊断的识别率。     

中国工程科技信息与电子领域2035技术预见研究

作为当前最具创新性、融合性和前沿性的科技领域之一,信息与电子领域近年来发展迅速,且对很多领域都产生着深刻的影响,因此,做好该领域的技术预见工作尤为重要。本文依托"中国工程科技2035发展战略研究"项目,对信息与电子领域进行了两轮德尔菲法技术预见调查,用不同的方法筛选出更值得关注的关键应用技术、重要通用技术和潜在颠覆性技术,并针对"大数据技术""先进计算技术"和"天地一体化信息网络技术"等重要技术项在两轮调查结论上的不同之处进行了对比。本文结论可为我国2035工程科技发展计划重要技术方向部署和我国未来技术预见提供参考依据。     

无信标星间激光通信系统粗精复合扫描方法

无信标星间激光通信系统无需额外设置信标光组件,直接采用小束散角的信号光进行瞄准捕获跟踪,有利于降低终端的质量、体积、功耗和制造成本等重要指标,满足商业航天和低轨卫星空间激光网络的发展要求。为了克服现有无信标激光通信系统扫描时间长、捕获难度大的问题,综合考虑星上姿态变化、测量精度和终端安装定位误差等因素,对扫描不确定域进行了数值计算,设计了无信标扫描捕获流程,定量分析了粗精扫描机构控制带宽、扫描步长、规划路径与光束覆盖面积的耦合关系,提出了一种简单可靠的无信标粗精复合螺旋扫描方法。典型环境仿真结果表明,采用所提方法平均扫描捕获时长小于20 s,捕获概率大于95%,有效提升了无信标系统的扫描效率,可满足未来低轨卫星空间激光网络的快速建链要求。     

基于动态滑模控制的并网逆变器控制策略

为了使三相LCL并网逆变器输出较理想的电压、电流,提高逆变器的运行性能,根据逆变器在d/q两相同步旋转坐标系中的数学模型,提出了电流内环的动态滑模控制策略。直接功率外环为电流内环提供参考电流。为消弱抖振问题,电流内环采用动态滑模控制。最后经PSCAD软件仿真验证了该控制策略的正确性和可行性,并且该方法能保证三相LCL并网逆变器在单位功率因数运行,具有应用参考价值。     

基于数据划分和ODM-CNN的滚动轴承故障诊断

提出了一种数据处理方法,对滚动轴承振动数据周期进行自动划分;将数据按照划分的数据长度传入一维多尺度卷积神经网络(ODM-CNN)进行滚动轴承的故障诊断。所提出的数据处理方法可以将每一次传入神经网络的数据划分出合适的周期。通过这种方式滚动轴承故障诊断的准确率达到99.5%以上,并且有效提高了网络的反应速率。     

基于SE-SAE特征融合和BiLSTM的锂电池寿命预测

预测锂电池剩余使用寿命(RUL)时，针对电池外部特性参量电流、电压等单一的健康因子(HI)对电池退化特性无法完整覆盖的问题，提出一种结合通道注意力机制(SENet)和栈式自编码(SAE)进行特征融合并引入双向长短期记忆(BiLSTM)实现锂电池RUL的预测方法。充分提取锂电池电压、电流等HI。利用SAE对多个锂电池HI特征进行特征融合，并结合SENet通道注意力机制，增加重要特征在提取过程中的表现能力。利用BiLSTM网络对融合HI进行训练预测。采用NASA和马里兰大学计算机辅助寿命周期工程中心(CALCE)锂电池数据集进行验证，训练预测数据均采用50%的比例划分，预测结果的均方根误差(RMSE)平均值达到0.017。