基于改进深层极限学习机的故障诊断方法

提出一种新的基于稀疏和近邻保持理论深层极限学习机（sparsity and neighborhood preserving deep extreme learning machines,简称 SNP-DELM））的滚动轴承故障诊断方法。首先,将极限学习机（extreme learning machine,简称ELM）与自编码器（autoencoder,简称AE）相结合,提出一种ELM-AE的结构,利用自编码器对极限学习机的隐含层进行分层;其次,将稀疏与近邻思想融入深层网络中,在投影过程中,通过稀疏表示保持数据的全局结构,通过近邻表示保持数据的局部流形结构,无监督地逐层提取数据的深层特征;最后,通过监督学习求解最小二乘进行分类诊断。将该方法用于风机滚动轴承故障诊断实验,并与ELM、堆叠降噪自编码器（stacked autoencoder,简称SAE）、深层极限学习机（deep extreme learning machine,简称DELM）、卷积神经网络（convolution neural network,简称CNN）等方法进行对比,实验结果表明,SNP-DELM算法相对于现有的几种算法具有更高的准确率和稳定性。     

一种新型电火花线切割加工脉冲电源的设计

将混合极间检测所得脉冲类型比例用于控制机床进给系统的频率,并基于此提出了一种软件切断有害脉冲的方法,结合上、下位机之间工业以太网与CAN现场总线通信的设计及隔离驱动电路的设计,完成了脉冲电源的整体制作。实验表明,该脉冲电源的加工过程具有较高的稳定性,且加工效率有较大提升。     

磷酸铁锂储能电池过充热失效特征参量研究

锂电池的安全性，是掣肘锂电池储能技术发展的重要问题。为探究锂电池过充热失效的特征参量，采用两段式充电对100A·h磷酸铁锂储能电池展开过充实验。通过检测特征气体、电压、温度等参量，对热失效早期锂电池行为进行了研究，并对停止过充后锂电池的风险状况进行了分析。气体检测仪和气相色谱仪检测结果表明，H2为出现最早且含量最高的气体，在特征气体中占比达到62%以上，能够在热失效前至少3 min完成预警，最适合作为预警气体；其次为CO和烃类气体，烃类气体中C₂H₄含量最高，达到烃类气体总量的78.5%。分段式充电结果表明，在锂电池发生热失效前的电压迅速上升期停止充电，能避免热失效发生。停止过充后电池表面温度仍会继续上升，说明电池内部副反应放热仍在继续，可能促使热失效的发生。     

高层建筑电气火灾监控终端信息模型

针对高层建筑电气火灾监控系统物联终端信息交互的互联互通问题,分析其功能通信需求,基于IEC 61850对电气量采集和非电气量采集等功能所需信息模型进行研究,补充建立了位置信息逻辑节点,对监控终端设备进行信息建模并提出工程配置方法。将本研究信息模型应用于武汉某园区建筑,解决了监控系统终端互联互通的问题,实现了高层建筑电气火灾的实时监控。