基于改进一维卷积和双向长短期记忆神经网络的故障诊断方法

针对工业领域中故障诊断数据存在时序性和夹杂强噪声的特点导致的收敛速度慢以及诊断精度低的问题,提出了一种基于改进一维卷积和双向长短期记忆（1DCNN-BiLSTM）神经网络融合的故障诊断方法。该方法包括故障振动信号的预处理、特征的自动提取以及振动信号的分类。首先,采用自适应白噪声的完整经验模态分解（CEEMDAN）技术对原始振动信号进行预处理;其次,构建1DCNN-BiLSTM双通道模型,将处理后信号输入双向长短期记忆（BiLSTM）神经网络模型和一维卷积神经网络（1DCNN）模型两个通道,从而对信号的时序相关性特征、局部空间的非相关性特征和弱周期性规律进行充分提取;然后,针对信号夹杂强噪声的问题,对压缩与激励网络（SENet）模块进行改进并将其作用于两个不同的通道;最后,输入全连接层将双通道提取的特征进行融合并借助Softmax分类器实现对设备故障的精确识别。使用凯斯西储大学轴承数据集进行实验,结果表明改进后的SENet模块同时作用于1DCNN通道和stacked BiLSTM通道,1DCNN-BiLSTM双通道模型在保证快速收敛的情况下有最高诊断精度96.87%,优于传统单通道模型,有效提高了机械设备故障诊断效率。     

基于联邦增量学习的工业物联网数据共享方法

针对工业物联网（IIOT）新增数据量大、工厂子端数据量不均衡的问题,提出了一种基于联邦增量学习的IIOT数据共享方法（FIL-IIOT）。首先,将行业联合模型下发到工厂子端作为本地初始模型;然后,提出联邦优选子端算法来动态调整参与子集;最后,通过联邦增量学习算法计算出工厂子端的增量加权,从而使新增状态数据与原行业联合模型快速融合。实验结果表明,在美国凯斯西储大学（CWRU）轴承故障数据集上,所提FIL-IIOT使轴承故障诊断精度达到93.15%,比联邦均值（FedAvg）算法和无增量公式的FIL-IIOT（FIL-IIOT-NI）方法分别提高了6.18个百分点和2.59个百分点,满足了基于工业增量数据的行业联合模型持续优化的需求。     

基于主侧链合作的区块链访问控制策略

传统区块链技术处理交易能力弱、吞吐量低,不仅难以处理工业环境下的海量数据,而且其访问控制策略权限管理效率低,安全性不足。针对上述问题,提出一种基于主侧链合作的工业物联网访问控制策略。通过Plasma Cash框架构建高性能DPOS侧链,并根据合约将侧链与主链双向锚定,实现区块链的主侧链扩容。根据工业物联网的节点特点和主侧链区块链的运行环境,设计适用于主侧链环境的访问控制模型,访问控制模型内的主客体信息收集点阻隔外部实体直接访问,信息处理点实现访问控制策略执行与存储分离。将模型编写成图灵完备智能合约后放至侧链上,侧链负责合约的执行并通过稀疏默克尔树算法与主链进行数据的批量同步验证。实验结果表明,该策略可对基于工业物联网的区块链传输速度和稳定性进行有效优化,提高了控制策略的管理效率和安全性,可满足工业物联网中的使用需求。     

高层商业综合楼的设计

文章首先阐述了高层商业综合楼的建筑设计要点,并以邯郸市国际商务中心设计为例,从项目概况,总平面布置、体量配合、构筑材料等方面,深入地解析该建筑面临的实际问题及最终解决的方案.     

住宅的节约型设计

针对建设部提出发展节能省地型住宅的要求,对住宅、居住区设计中关于节能节地方面的一些设计方法进行了初步的探讨.     

建议居住建筑节能设计

节能65％的标准对建筑的外围护结构、门窗气密性、材料等提出了更高要求,建筑节能的主要技术措施有：规划设计和建筑平面布局,控制建筑单体的体型系数,加强围护结构的保温及隔热性能,提高门窗的气密性,太阳能节能技术的开发及应用。     

浅议居住建筑节能设计

节能65%的标准对建筑的外围护结构、门窗气密性、材料等提出了更高要求,建筑节能的主要技术措施有:规划设计和建筑平面布局,控制建筑单体的体型系数,加强围护结构的保温及隔热性能,提高门窗的气密性,太阳能节能技术的开发及应用.     

改进多重最小支持度关联规则算法在故障诊断中的应用

Apriori算法的前提是数据库中各项目的频率和重要性是相同或者相似的,但在故障诊断的实际应用中并非如此。在Apriori算法的基础上进行改进,利用多重最小支持度解决了设备故障诊断中非频繁项目的挖掘;同时针对在实际的应用中项目集的重要程度不一致的问题,提出一种基于"组件信誉值"的加权多重最小支持度算法,并通过实际的例子证明了该算法在故障诊断中的正确性和有效性。     

基于神经网络的关联规则在故障诊断中的应用

采用加权关联规则算法对设备历史数据库进行挖掘,建立加权关联规则模式库。设备监控数据通过与模式库匹配,实现设备故障诊断。同时,针对钢铁企业中液压设备的特殊性,提出利用自组织竞争神经网络模型确定权值,即将设备故障信息的3个主要属性:重要程度、易损程度、故障等级作为模型的输入,通过训练样本确定设备故障的加权关联规则的权值。实例证明了该方法的有效性。     

元胞自动机法在316LN不锈钢晶粒长大过程模拟中的应用

结合晶粒长大过程中的物理基础,采用热激活、曲率驱动和能量耗散机制,引入能量降幅最大判据,建立了描述316LN不锈钢晶粒正常长大的元胞自动机模型,对316LN不锈钢晶粒长大过程进行模拟,模拟结果较准确地反映了晶粒正常长大规律。通过将模拟和试验的晶粒生长指数进行对比,表明在试验温度范围内,该模型可用于预测316LN不锈钢的晶粒尺寸。