排序方式: 共有13条查询结果,搜索用时 0 毫秒
11.
12.
针对由工作环境和设备状况的差异引起的轴承早期故障检测模型可靠性差、误报警率高的问题,根据早期故障检测的特点和需求,提出一种多尺度注意力深度领域适配模型。首先,将监测信号处理成由原始信号、希尔伯特-黄变换边际谱、频谱组成的三通道数据;然后,通过在残差注意力模块中增加不同尺寸的滤波器以提取多尺度深度特征,使用卷积-反卷积操作来重构输入信息从而获得注意力信息,并且将注意力信息与多尺度特征融合构建了一种多尺度残差注意力模块,用于提取对早期故障表征能力更强的注意力特征;其次,在所提取到的注意力特征基础上,构建基于交叉熵和最大均值差异(MMD)正则化约束的损失函数来实现领域适配;最后,采用随机梯度下降算法进行网络参数优化,构建端到端的早期故障检测模型。在IEEE PHM-2012数据挑战赛数据集上的实验结果表明,与8种代表性的早期故障检测和诊断方法以及迁移学习算法相比,所提方法能够在不延迟报警时间点的前提下,分别比8种方法的平均误报警率降低了62.7%和61.3%,有效提高了早期故障检测的鲁棒性。 相似文献
13.
研究了铁酸锌碳热还原的分解机理及动力学。反应机理研究表明:当溫度达到650℃时,铁酸锌首先分解为Fe_3O_4和ZnO;当溫度到达850℃时,铁酸锌的还原产物中出现FeO,当溫度达到950℃时,铁酸锌完全被还原为单质铁。在650℃~850℃溫度范围内,随着温度的升高,分解率升高。在800℃、ω_c/ω_(ZnFe_2O_4)=1/4、还原时间为80 min时,铁酸锌的分解率到达94%。动力学计算表明:铁酸锌的碳热还原分解过程受化学反应控制,表观活化能为24.65 kJ/mol。 相似文献