插装阀内部流场分析与实验

建立了插装阀内部流动区域的能量与流量的数学模型,并利用计算流体动力学软件FLUENT对插装阀的内部流动区域进行仿真,得出了内部流体的压力云图、速度矢量图,同时,在大型液压机上采集了插装阀的阀芯在不同的开度时压差、流量的变化情况,根据采集的实验数据,绘制出压差与流量特性曲线,并对其进行对比分析。     

基于主成分分析的多域特征融合轴承故障诊断

针对复杂工况下难以区分轴承故障状态的问题,提出一种基于主成分分析的多域特征融合轴承故障诊断方法。采集轴承振动加速度信号,提取轴承时域新量纲一化特征、频域幅值谱特征和时频域经验模态分解特征共13维特征用于完整表征轴承状态;利用主成分分析方法对所提取特征融合与降维,降低诊断模型复杂度与数据分析难度;最后,选择合适的卷积神经网络进行分类,通过石化机组故障诊断实验平台进行验证。结果表明：多域融合特征相对于单域特征诊断效果更好,卷积神经网络分类模型相对于其他经典分类模型诊断准确率更高,融合诊断分类方法整体诊断准确率达到86%。     

基于深度学习的石化机组轴承故障诊断综述

作为石化机组的重要组成部分,轴承发生故障将导致机械运转故障进而影响企业经济效益,故而研究石化机组轴承故障预测、故障诊断具有重大意义。介绍故障诊断中早期基于信号处理的轴承故障诊断方法,阐述应用广泛的深度学习(包括卷积神经网络、迁移学习)等模型在石化机组轴承故障诊断中的应用,并展望基于人工智能的石化机组轴承故障诊断应用。     

基于新工科建设的“互换性与测量技术基础”课程的教学改革研究与探索

随着新工科建设的推进,“互换性与测量技术基础”课程内容多、授课方式单一,难以满足新课程体系要求。因此,课程改革应以课程内容和教学方法作为改革出发点,学生全面发展为目标。本研究从教学目标、内容、方法三个方面说明课程改革的必要性,并引入以目标为导向的课程教学改革思路。同时,结合课程特点和教学现状提供多种教学方式达到理论知识和实践内容紧密联系,发挥学生主体创新能力和综合能力,为培养创新应用型人才打下坚实的基础。     

基于深度学习与电子听诊器的轴承故障诊断

针对滚动轴承故障诊断,受启发于传统人工听诊的做法,以及利用传统机器学习方法提取故障特征过度依赖人工、诊断正确率低等问题,提出一种基于深度学习与电子听诊器相结合的滚动轴承故障诊断方法。该方法利用电子听诊器获取轴承不同健康状态下运行的声音信号,以轴承转动周期为数据样本长度,采用重采样数据集增强方法提高模型的泛化性。搭建基于TensorFlow的一维卷积神经网络深度学习模型进行实验验证,并利用t-SNE对分类过程进行可视化,诊断正确率达到99%。