EWT-多尺度模糊熵-VPMCD融合算法的轴承故障识别分类应用

针对振动信号提取轴承故障特征及识别分类的研究方式,提出了一种结合EWT-多尺度模糊熵-VPMCD的方法.首先,运用经验小波变换提取振动信号的模态分量.其次,引入信息论中的模糊熵算法,并加以多尺度粗粒度划分得到多尺度模糊熵特征描述.然后,用VPMCD对特征向量进行自适应选择预测模型训练.最终通过实验表明:模态分量多尺度模糊熵能够有效描述故障特征;VPMCD在少训练样本情况下获得了最低90％的分类准确率,相较一些常用的分类方法有着更好的性能表现.     

基于深度自编码网络的刚性罐道故障诊断

为解决提升机刚性罐道故障诊断中故障特征提取困难的问题,结合深度自编码网络的特征提取能力优势,提出了一种基于深度自编码网络的刚性罐道故障诊断方法。以重构误差作为深度自编码网络的评价准则,在各层自编码网络之间采用反向传播的方式,逐层对网络的权值和偏置进行优化。利用得到的最优权值和偏置组成特征提取网络模型,基于该网络模型提取刚性罐道的故障特征。以SVM作为分类器实现刚性罐道的故障分类。实验结果表明,该方法提取的故障特征可识别性较好,识别率较高。     

浅述城市园林绿化规划设计的前景

本文作者对城市园林绿化规划设计前景进行了探析,希望能对同行有一定的借鉴作用.     

基于SimAM注意力机制的轴承故障迁移诊断模型

针对轴承故障在跨工况迁移诊断时,其域不变特征难以提取,易出现模型过拟合这一问题,提出了一种基于无参数注意力模块(SimAM)的轴承故障迁移诊断方法。首先,以一维卷积神经网络作为基本框架,利用自适应批量归一化(AdaBN)对各输出层进行了归一化处理,经两层卷积层和两层池化层后,对输出特征进行了随机节点失活操作;然后,利用改进后的参数化修正线性单元(PReLU)激活函数自适应提取负值输入权值系数,分别以交叉熵损失函数监督训练有标签的源域数据,以均方对数误差(MSLE)作为损失函数训练无标签的目标数据;最后,利用自制实验台数据和凯斯西储轴承公开数据对模型进行了验证,分别以不同的单一工况作为源域,其余工况作为目标域进行了迁移诊断任务研究。研究结果表明：基于SimAM的轴承故障迁移诊断方具有较好的域不变特征提取的性能,且所提特征具有较好的聚类效果;自制实验台中的平均迁移精度在89.1%以上,最高均值可达97.85%,CWRU数据集中的平均迁移精度达98.68%。该成果可为后续轴承故障由实验向工业现场的迁移诊断奠定基础。     

木质纤维/聚酯纤维复合材料吸声性能的试验分析

木质纤维/聚酯纤维复合吸声材料为多孔纤维材料,利用阻抗管测量其吸声系数,探讨了密度、厚度、空气流阻率、背后空腔深度、针刺处理工艺及贴面处理对其吸声性能的影响.结果表明:在试验范围内,密度为0.2g/cm3,空气流阻率为1.98×105 Pa·s/m2的木质纤维/聚酯纤维复合材料具有较好的吸声性能;增加厚度或背后空腔深度,木质纤维/聚酯纤维复合材料的声波吸收峰往低频方向移动;对于密度大的木质纤维/聚酯纤维复合材料,针刺处理工艺能明显提高其吸声性能;贴面材料的使用可降低木质纤维/聚酯纤维复合材料的吸声性能.     

电视发射的故障分析

主要分析了功率发不出去、覆盖面积小等故障的处理方法,以便在技术维修工作中准确、快捷地判断和排除机器故障,达到理想的发射效果,确保高质量播出.