空气掺混CO2对CH4燃烧特性影响

采用数值模拟对空气掺混CO₂后与CH₄的燃烧特性进行了研究,分析不同CO₂掺混率对燃烧室温度场、速度场及污染物NO_x排放的影响。结果表明:提高CO₂掺混率,燃烧室高温区面积减少,最高温度降低,出口温度也逐渐下降;燃烧室回流区面积减小,不同径向截面处的轴向速度峰谷差降低,平均轴向速度逐渐下降。综合空气掺混CO₂后与CH₄完全燃烧的流场特性,认为该燃烧室模型对应的最佳CO₂掺混率为10%。     

混合注意力机制的旋转机械故障诊断方法

针对旋转机械故障诊断问题,提出一种基于混合注意力机制的旋转机械故障诊断方法。首先将通道注意力模块和空间注意力模块进行串联构成混合注意力模块,并将其加入到LeNet5卷积神经网络中;然后将旋转机械振动信号进行连续小波变换,转换为时频图像;最后通过嵌有混合注意力模块的LeNet5网络对时频图像进行识别从而判定旋转机械故障类型。实验结果表明：提出的方法具有较高的故障识别准确率,能够有效判定旋转机械的运行状态。     

宽带数据业务高速增长

遍地开花： 　　多种宽带接入方式共同促进数据通信业务发展 　　随着技术的进步、成本的降低,带宽的费用也越来越便宜.目前,宽带互联网的主要形式是中国网通和中国电信大力推广的ADSL、FTTx＋LAN、CABLE MO-DEM;而基于GPRS/CDMA1X等网络接入方式所占市场份额相对较小,但也呈现出快速发展的态势.这些网络共同促进了数据通信业务的高速发展.     

爆破技术在水井钻探中的应用实践

介绍了在水井钻探中应用爆破扩孔、处理事故、起拔井管和洗井的方法.     

基于教师-学生网络的半监督故障诊断模型

针对神经网络模型在有标签样本数量较少的情况下,容易产生网络过拟合、故障诊断精度低、不能充分利用大量无标签样本数据等问题,提出一种基于连续小波变换和教师-学生网络的半监督学习方法用于旋转机械的故障诊断。该方法以改进的LeNet5卷积神经网络模型为基础,建立具有相同结构和初始化参数的学生网络模型和教师网络模型。首先,将旋转机械振动信号进行连续小波变换,将其转换为三维时频图像。接着,利用教师模型的预测结果生成伪标签,将这些伪标签和真实标签结合起来,训练学生网络。同时,通过指数加权移动平均算法更新教师网络模型参数。试验结果表明,相对于纯监督学习模型,所提出的算法能够在有标签样本数量较少的情况下显著提高模型训练过程的稳定性和故障诊断的精度。     

基于Mobile-VIT的旋转机械故障诊断方法

主要提出了一种基于Mobile-VIT神经网络技术的旋转机械故障的识别分析方法：首先，将旋转的机械构件在其各种连续运行工作状态条件下获得的高频振动信号通过短时的傅里叶变换方法转换为时频图像；然后，将图像输入到搭建好的Mobile-VIT网络模型中，通过其对时频图的识别以及特征提取实现旋转机械故障诊断。实验结果表明，提出的方法具有较高的故障识别准确率，能够有效识别旋转机械的运行状态。     

双通道输入LetNet-5卷积神经网络旋转机械故障诊断模型研究

针对旋转机械运行过程中伴随着诸多噪声，现有单通道网络在旋转机械故障诊断过程中抗噪性较差的问题，提出了一种加入并联机制的双通道输入Let Net-5卷积神经网络模型。模型合理性检验过程采用了凯斯西储大学轴承数据集，在此基础上，添加信噪比为–10 d B的高斯白噪声模拟真实噪声情形；采用短时傅里叶变换将电机风扇端和驱动端振动数据进行处理，获得的时频图像传递至双通道输入的Let Net-5卷积神经网络进行训练学习。研究结果表明：双通道输入Let Net-5卷积神经网络模型能够良好捕捉到强噪声环境下的故障特征；相比于多尺度特征融合残差模型、多模态耦合输入神经网络模型、传统的K近邻与决策树模型及单通道输入Let Net-5卷积神经网络模型，双通道输入Let Net-5卷积神经网络具有更高的效率和精度。