基于深度SVDD-CVAE的轴承自适应阈值故障检测

通过状态监测进行轴承故障报警,能有效避免设备灾难性事故的发生。基于数据时序特征重构的故障检测法由于仅采用正常数据进行训练, 能有效避免故障数据不足而导致的模型检测精度下降。然而,此类方法的故障阈值确定依赖于大量的历史数据,且对检测精度有着极大的影响。为此,提出基于深度SVDD-CVAE的轴承自适应阈值故障检测方法。针对时序信号特征增强提取构建ConvLSTM作为基础单元的CVAE特征压缩提取框架,有效提取轴承故障微弱特征;结合SVDD自适应学习特征空间超球面,实现故障检测阈值的自适应确定;最后,通过全局误差损失反向传播对深度SVDD-CVAE框架进行迭代优化。实验结果表明：所提出的方法能有效提取轴承微弱故障特征、自适应确定阈值,并在IMS轴承数据集上取得97.7%的检测准确率。     

电梯安全评估数字孪生试验平台的搭建

指出电梯安全评估中存在定量评估难、寿命预测缺乏数据支撑等问题，并指出将数字孪生技术运用在电梯安全评估中具有一定的先进性、科学性和可行性。搭建了电梯安全评估数字孪生试验平台，并介绍了该试验平台的组成。该试验平台能够模拟电梯曳引系统、安全保护系统的真实工况、运动行为及常见故障形式，可为电梯安全评估提供理论依据、技术路线及数据支持，实现电梯关键零部件异常识别与报警。