时变转速下基于改进图注意力网络的轴承半监督故障诊断

新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中,轴承经常运行于启停等时变转速工况,且故障标签样本的获取成本越发昂贵。针对以上挑战,该文提出时变转速下基于改进图注意力网络(GAT)的轴承半监督故障诊断新方法。基于K最近邻(KNN)算法和平滑假设(SA)设计伪标签传播策略,将标签信息沿边传播给分布相似的邻域样本,从而充分利用有限样本的标签信息。将每个振动频谱样本视为一个节点,构建基于节点级图注意力网络的半监督学习模型,通过注意力机制进一步挖掘代表性的轴承故障特征。将所提方法用于分析两组时变转速下轴承故障实验数据,结果表明所提方法能够在不超过2%的低标签率情况下,准确诊断轴承的不同故障模式,性能优于其他常用的图神经网络半监督学习方法。     

重力归一化总梯度法

В.М.Березкин等人提出的重力归一化总梯度法是一种利用重力数据来确定场源以及密度分界面的方法。本文就这一方法的依据、原理、方法特点及其应用等方面做了系统的介绍。     

用逐段多项式法反演重力资料

逐段多项式法是一种新的反演重力资料的方法。它基于这样的假定:已知单一密度界面的平均埋藏深度,此界面的密度差是分段均匀的,因此,可用 M阶多项式逐段逼近各个区间内界面的起伏。在逐段逼近界面形态过程中,有时在各区间交接处会出现不连续现象,为此采用正、反向计算结果的平均值作为界面反演求得的埋藏深度。由反演结果求得的重力异常与实际的重力异常差异太大时,可根据它们之间的残差再进行计算,修正界面深度值,以逐步逼近真实界面。本方法兼顾了压缩质面法和多项式法两者的长处,无论对平缓的界面还是起伏频繁的界面反演,都显示了一定的优越性。压缩质面法和多项式法可视为逐段多项式法的两个特例。     

考虑采动影响的ACI-RMR法矿山巷道围岩质量分级研究

为了充分反映矿山开采过程中开采扰动对巷道围岩质量的影响，在传统岩体质量分级RMR法的基础上引入巷道埋深、巷道存续时间、巷道高跨比、巷道间柱宽度和分段高度等5个采动影响指标，构建采动影响巷道围岩质量分级指标体系。引入拉格朗日乘子法耦合层次分析法（AHP）和CRITIC法对各指标进行组合赋权，将该组合权重导入理想点法（IPM）构建考虑采动影响的AHP-CRITIC-IPM改进RMR法（ACI-RMR法），将ACI-RMR法应用于某金属矿山进路巷道围岩质量分级并与RMR法分级结果进行对比。结果表明：部分测点的ACI-RMR法分级结果较RMR法分级结果出现等级降低或相同等级评分值下降的情况，结合工程实际证明ACI-RMR法较RMR法更能反映开采扰动对巷道围岩质量的影响，为矿山安全生产与设计提供参考。