一种振动信号降噪的堆叠降噪自编码器方法

为了解决振动信号降噪问题,提出一种基于堆叠降噪自编码器的方法.结合PReLU激活函数和批标准化对传统堆叠降噪自编码器进行改进,增强了模型的特征提取和信号重构能力.堆叠降噪自编码器方法使用编码器提取含噪振动信号中的特征,使用解码器进行信号重构,从而实现振动信号降噪.在正弦信号、调幅信号和轴承故障仿真信号下进行降噪实验,取...     

苏州市水上公共交通规划研究

苏州市水上公共交通规划近期应该以中心城区为重点开辟环城线路,中远期应通过对干将河的整治．开辟连接中心城区东西两侧的水上巴士线路。为保障苏卅市水上公共交通规划的顺利实施,应建立技术保障体系、行政保障体系等。     

煤矿机电设备变频控制技术

变频技术在煤矿矿区地面和井下的提升、通风、采煤、运输、选煤等各种矿山设备控制系统得到了广泛的应用,具有明显的节能效果和优越的调节性能。本文对变频技术的基本原理和发展进行了阐述,对变频器煤矿机电设备中的应用进行了分析研究。     

基于深度学习的判决结果倾向性分析

裁判文书中判决结果的倾向性分析是指判断裁判文书中的判决结果是否支持原告的诉讼请求。判决结果的倾向性分析对于裁判文书的规范化、推荐诉讼律师等后续工作有重大的意义,但是缺少有效的分析模型。为了充分利用海量数据的裁判文书,提出了一个判决结果倾向性分析的模型。从半结构化的裁判文书中抽取出关键特征,利用模糊匹配的方式对判决结果中的多重实体进行识别和清洗,将处理结果交由基于LSTM的深度学习神经网络进行倾向性判断。通过对三种案由的数据集进行实验,该模型的准确率最高可达98.3%,验证了该模型在判决结果的倾向性分析任务中具有很高的有效性。     

基于云模型的泵站现代化管理综合评价

泵站现代化管理水平是水利工程信息化程度高低的重要评价指标。为定量评价泵站现代化管理水平,从泵站管理规范化、基建设施完善度等6个方面构建泵站现代化管理综合评价指标体系,利用CM-AHP法对各评价指标主观赋权,通过云生成法确定评价标准云模型,将评价矩阵与权重矩阵相乘得到综合评价云模型,运用此模型对江苏省南通市九圩港提水泵站现代化管理水平进行评价。结果表明：九圩港提水泵站现代化管理水平介于“Ⅳ(较好)”和“Ⅴ(好)”之间,综合评价云模型的熵(En)和超熵(He)分别为0.073 3和0.009 4,数值较小,说明该评价结果波动性小、可信度高,基本符合九圩港提水泵站实际情况。     

基于机器学习的含充填裂隙岩样断裂行为预测方法

含不连续面的岩样断裂行为难以量化表征和有效精准预测。采用机器学习方法建立预测含胶结充填裂隙岩样I型断裂韧度和裂纹扩展模式的数据驱动模型。首先,通过含充填裂隙半圆盘直切口试件的三点弯试验和离散元数值模拟结果,对比验证批量模拟的可行性,再进行批量随机数值模拟,构建数据集并过滤异常算例。对数据集进行归一化、随机打乱、随机欠采样等预处理,建立4个经典机器学习模型,采用网格搜索与五折交叉验证算法搜索最优超参数,并采用多个建立在总体上的评估指标和反映误差分布的数据图对模型性能进行综合评估,得出多层感知机模型为预测精度最高的机器学习模型;对模型进行敏感性分析,并应用于试验数据的预测,结果表明多层感知机模型的稳定性和预测效果较好。此外,该研究还开发了用户界面程序用于含充填裂隙岩样断裂行为的批量预测,避免传统试验和数值模拟高昂的时间成本,为解决传统岩石力学问题提供新的方法和思路。     

一种基于CNN-BiGRU孪生网络的轴承故障诊断方法

针对轴承故障样本稀缺,传统深度神经网络模型在小样本情况下容易出现过拟合现象,泛化性能不好的问题,提出一种基于CNN-BiGRU孪生网络的轴承故障诊断方法。孪生网络采用两个结构相同、权值共享的卷积神经网络和双向门控循环单元组成,构造相同类别和不同类别的轴承样本对输入孪生网络,通过计算轴承样本对之间的L1距离进行相似性度量,实现轴承故障诊断。与传统深度神经网络相比,孪生网络采用样本对训练的方法,在相同样本数量情况下,增加对网络模型的有效训练次数,从而提高轴承故障诊断性能。设计卷积神经网络和双向门控循环单元共同组成孪生网络结构,可以从振动信号中同时提取空间特征与时序特征,提高特征提取的准确性。利用实测轴承故障信号进行故障诊断试验,并与其他深度神经网络模型进行对比,试验结果表明,CNN-BiGRU孪生网络方法在少量训练样本情况下,取得了较优的故障诊断性能,有一定的工程应用价值。     

多小波系数特征提取方法在故障诊断中的应用

针对机械故障的特征提取问题,提出一种基于多小波系数的机械故障特征提取方法。首先,对不同工况的机械振动信号进行多小波分解;其次,利用分解后各层多小波系数的统计特征包括最大值、最小值、均值和标准差作为该工况振动信号的特征向量;最后,利用支持向量机的方法对机械故障进行识别。对滚动轴承正常状况与内圈故障、滚动体故障、外圈故障3种故障及多种损伤程度的实测振动信号进行故障识别试验,试验结果表明,该方法用于机械故障诊断可以获得较高的识别率,识别效果要优于基于单小波系数统计特征的识别方法,具有一定的工程应用价值。