齐心协力 开拓市场 为振兴仪表工业多做贡献

中国仪器仪表行业协会经营工作委员会的成立,既是仪表工业生产发展的必然产物,也是在市场疲软情况下采取的必要措施。它要求我们齐心协力,开拓市场,为仪表工业的振兴做出贡献。一、牢固树立两个市场的观念,努力开拓市场经营工作委员会首先必须树立国际、国内两个市场的观念。只有把眼睛盯着国际、国内两个市场,仪表工业才有出路。     

不平衡技术在轴承故障诊断中的应用

为解决实际工程环境中因轴承故障数据缺失引起的数据不平衡,进而影响模型诊断的问题,提出了不平衡数据处理技术在轴承故障诊断中的应用,即使用少量数据,训练出一个能够诊断多种轴承故障的模型.针对不同种类故障数据的边界混淆及类内不平衡,首先对少数类样本进行高斯混合模型( GMM )聚类,根据簇密度分布函数使用 GMM-SMOTE 进行权重采样,然后针对边界混淆问题使用 Tomek’s Link 数据清洗技术进行边界混淆样本数据清洗,形成类内类间平衡的数据集,结合超参数优化的支持向量机(SVM )模型进行诊断分析.实验结果表明,该方法效果良好,在轴承的故障诊断中有较好的实际工程意义和推广性.     

基于小波卷积与注意力机制的RV减速器齿轮箱故障诊断

在变负载工况下,RV减速器齿轮箱的特征提取存在困难,且其故障模式也难以得到识别。针对这一些问题,提出了一种基于Laplace小波卷积网络(LWNet)和注意力机制(ATT)的变工况下齿轮箱故障诊断方法(模型)。首先,基于Laplace小波变换原理设计了小波卷积层(Laplace Net),代替传统卷积神经网络第一层,对输入信号进行了自适应特征提取,以获得更明显的冲击特征;然后,将注意力机制引入模型卷积网络,以增强故障信息权重,以SoftMax作为分类器进行了故障诊断;为了提高模型的稳定性,每层卷积后接归一化层(batch normalization, BN),对特征进行了归一化处理,使用Dropout(0.5)防止过拟合;最后,使用RV减速器齿轮箱的数据集对基于LWNet和ATT的方法(模型)进行了验证。研究结果表明：基于LWNet和ATT的方法(模型)能够自适应地定位故障信号的冲击信息,在定负载条件下,其平均诊断准确率高达99.92%(相比于经典的深度学习模型与近期的方法,其准确率提高了3.25%～12.26%),该方法具有更高的诊断效率;在变负载条件下,该方法的平均准确率也可以达到...     

基于VMD-ICMSE和半监督判别SOINN L-Isomap的滚动轴承故障诊断

针对从滚动轴承非线性、非平稳振动信号中提取故障特征困难的问题,提出一种基于半监督判别自组织增量学习神经网络界标点的等度规映射(SSDSL-Isomap)的滚动轴承故障诊断方法。利用基于变分模态分解的改进复合多尺度样本熵(VMD-ICMSE)从复杂域提取振动信号的故障特征,构建高维故障特征集;采用SSDSL-Isomap方法对高维故障特征集进行维数约简,提取出利于识别的低维、敏感故障特征子集;应用粒子群优化极限学习机(PSO-ELM)分类器对低维故障特征进行故障识别,判别故障类型。VMD-ICMSE方法集成了VMD自适应分解非线性信号与ICMSE衡量时间序列复杂性程度的优势,提高故障特征提取能力;SSDSL-Isomap方法综合了全局流形结构、半监督型双约束图构建以及SOINN界标点选取的优点,增强故障分类能力。调心球轴承故障诊断实验分析结果表明,该方法对实验数据的故障识别率达到100%。     

C#下局域网屏幕监控系统的实现

介绍了用C#工具在局域网中对各工作站的屏幕活动实时监控的实现思路与设计过程,并可以通过控制中心与各工作站进行信息沟通并控制客户端,为局域网的管理提供了一种技术支持,具有很好的借鉴作用。     

乙二醇-尿素复配溶剂萃取分离模拟油酚混合物

煤直接转化液体产物中除含有大量的酚类化合物外,还含有一些其他含氧含氮化合物,这些物质对于酚的萃取分离具有重要影响。采用乙二醇-尿素复配溶剂作为萃取剂,考察了萃取剂中尿素含量、搅拌时间、静置时间、温度以及萃取剂使用量对煤直接转化液体产物模拟油中酚类化合物萃取效果的影响,探究了模拟油中杂原子化合物苯乙酮、吲哚、吡啶对酚类分离效果的影响。结果表明：乙二醇-尿素复配溶剂对间甲酚的萃取效果要明显优于尿素,搅拌时间为20 min,静置时间为10 min时就可达到萃取平衡,升高温度不利于萃取,间甲酚萃取率随着萃取剂使用量的增加呈现先增加后趋于平缓的趋势,当温度为25℃、m（萃取剂）：m（模拟油）（剂油比）为1：1时,乙二醇-尿素复配溶剂对间甲酚萃取率可达99.2%;模拟油中添加苯乙酮、吲哚、吡啶均会降低萃取剂对间甲酚的萃取率,相对于苯乙酮和吲哚,吡啶对间甲酚分离影响最大,可使间甲酚萃取率降低到71.6%。     

准噶尔盆地二叠系储层条件及其评价

一、地质背景 二叠系是盆地的第一套沉积盖层,属于分割性的多中心的山前凹陷、山间断陷型沉积。早二叠世时期,盆地南部为海槽沉积,往北经盆1井至玛纳斯湖凹陷,转变为陆相湖盆,局部夹泻湖相沉积,沉积物以暗色碎屑岩为主,局部夹火山岩及泥质白云岩,厚度2000—4500米。晚二叠世沉积期,南部海槽逐渐回返,由海相、海陆过渡相的砂岩、泥岩、油页岩沉积,直至晚二叠世晚期海槽回返结束,全盆地才统一为陆相沉积。该期除     

基于SincNet网络结合注意力机制齿轮箱故障诊断

针对传统卷积神经网络(CNN)在齿轮箱中故障诊断准确率不高、特征提取方面表现欠佳的问题,提出了SincNet网络结合注意力机制齿轮箱故障诊断方法。首先,采用参数化的Sinc函数设计滤波器作为卷积层来代替传统CNN的第1个卷积层,得到SincNet网络结构,提取输入数据的特征信息;其次,结合具有Softmax的注意力机制(Att)增强特征信息。最后,采用齿轮箱故障数据集对所提出的方法进行实验验证,结果表明,所提方法平均诊断准确率达到99.68%,均高于对比方法。此外,通过特征图可视化分析,该方法能够准确定位输入数据中的识别信息,能更好地理解神经网络的特征提取过程,为机械振动信号的特征提取过程提供了参考。