复采工作面自然发火的防治技术

通过对白源煤矿201盘区2184复采工作面煤层自燃因素分析,初步得出复采时煤层自燃的原因并采取综合防治技术措施,取得了较好的效果。     

基于卷积双向长短期记忆网络与混沌理论的滚动轴承故障诊断EI北大核心CSCD

针对传统滚动轴承故障诊断方法在大噪声与变载荷环境下诊断困难的问题。基于混沌理论,通过卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)提出CCNN(Chaotic CNN)-BiLSTM智能故障诊断方法。采用相空间重构法将一维时间序列转化为二维混沌序列,学习并提取混沌序列中有效非线性信息,并输入Softmax层中完成分类。结果表明,较之现有方法,所提CCNN-BiLSTM方法在变载荷和大噪声(信噪比为-8 dB)环境下的准确率分别至少高出3.76%与5.21%,表明该方法具有良好的鲁棒性和泛化性能。     

基于续尺度卷积网络的10 MW漂浮式风力机筋腱损伤识别EI北大核心CSCD

为提升复杂环境中漂浮式风力机平台筋腱结构隐性损伤识别率,基于卷积神经网络(convolutional neural network,CNN),提出连续多尺度卷积神经网络(continues-multi-scale convolutional neural network,CMS-CNN),建立“端到端”的损伤识别模型。为验证CMS-CNN方法的有效性,以10 MW漂浮式风力机为研究对象,对损伤位置、程度进行故障诊断,结果表明:连续多尺度模型比传统多尺度的诊断结果更佳;横荡加速度受环境载荷影响较小,基于此响应信号所训练的CMS-CNN诊断模型更可靠;CMS-CNN模型可在筋腱结构微弱损伤时实现精准定位,亦能完成结构隐性损伤程度识别。     

基于改进变分模态分解及多重分形的轴承信号非线性分析

考虑轴承故障初期具有特征信号微弱、易受噪声干扰以及非线性强等特点.基于分形盒维数提出改进变分模态分解提取轴承故障信号非线性信息方法(Improved Variational Mode Decomposition for Nonlinear Features Extraction,IVMD-NFE).又因非线性信号的多测...     

金属检测器在速冻禽肉制品中的应用

金属检测器是速冻禽肉制品企业必不可少的装置。本文介绍食品用金属检测器的工作原理、影响其检测灵敏度的因素以及速冻禽肉制品企业对金属检测器报警品的处理方法等。旨在为速冻禽肉制品企业选购、使用金属检测器以及对可疑品的处理提供参考,确保食品安全。     

卷积神经网络与混沌理论在滚动轴承故障诊断中的应用

为解决传统方法在判断轴承所处故障类型中因信号非线性强导致误判与错判,基于混沌理论,采用相空间重构法(Phase Space Reconstruction,PSR)还原系统动力学特性,通过卷积神经网络(Convolution Neural Network,CNN)学习并提取混沌序列中有效非线性信息,提出PSR-CNN智能...     

基于改进经验小波变换与分形特征集的风力机齿轮箱故障诊断

针对风力机齿轮箱振动响应信号具有强非线性及非平稳性的特点,考虑平均幅值对平均谱负熵时频域成分权重自适应调节,提出连续改进平均谱负熵方法（ICASN）以体现信号细节复杂度特征,并将ICASN引入经验小波变换（EWT）,替代傅里叶谱作为频带划分依据。采用ICASN-EWT分解振动信号,基于改进平均谱负熵筛选特征分量,剔除信号冗余与噪声影响。分析各敏感分量分形特征并构建高维特征集,采用流形学习进行维数约简,并结合分形高斯噪声改进灰狼算法优化支持向量机关键参数,将降维后的向量集输入优化支持向量机进行故障识别与诊断,准确率高达100%。     

强脉冲磁场对草莓过氧化物酶活性的影响

以冷冻丙酮法制备草莓过氧化物酶粗酶液。以愈创木酚、双氧水为底物,用分光光度法测定氧化产物的方法测过氧化物酶活性。分别研究了强脉冲磁场的磁感应强度、脉冲数对草莓过氧化物酶活性的影响。结果表明：在28±1℃下,强脉冲磁场对草莓过氧化物酶有较强的钝化作用,几个脉冲就可以将其钝化。当磁感应强度为18．9T,脉冲数为9个时,就可以把草莓过氧化物酶活性钝化到处理前的8％。     

基于深度学习与混沌特征融合的滚动轴承故障诊断EI北大核心CSCD

本文针对现有滚动轴承智能故障诊断方法在面向大噪声背景下鲁棒性能差的问题.基于混沌理论,提出采用相空间重构方法还原并丰富轴承振动的动力学特性,通过卷积神经网络(CNN)提取混沌序列中的高级抽象特征,又考虑故障信号具有长程相关性,将低维抽象故障特征引入长短期记忆网络(LSTM),以灰狼算法优化的支持向量机(OSVM)作为分类器,提出CCNN (Chaotic CNN)–LSTM–OSVM智能故障诊断方法.试验结果表明,在处理信噪比为-6 dB信号时,该方法仍具有89.96%的准确率,相比以Softmax作为分类器的CNN–LSTM和CCNN–LSTM方法分别高出15.36%和5.21%,且在收敛速度方面亦有较大优势.     

纳滤浓缩西番莲果汁的研究

根据西番莲原汁中的有机物组成及分子量,选择合适的纳滤膜对西番莲澄清果汁的浓缩过程进行研究.通过系统考察影响膜通量的因素,发现适当提高温度、压力可以提高膜通量.在不破坏西番莲果汁中的芳香成分及Vc等营养成分和不超过膜的压力操作范围的前提下,得到较适的操作温度和压力.选择在操作温度为28 ℃左右,压力为3 MPa时,分离效果最好,此时实际膜通量达17 L/(m2.h).经过纳滤浓缩,西番莲澄清汁可溶性固形物从13oBx提升到30oBx左右.本实验可以达到较好的膜通量和截留率,为在工业化浓缩西番莲澄清汁过程中,利用膜技术大大减少芳香成分及Vc等营养成分损失提供参考.