排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
2.
传统故障诊断方法大多是针对单一故障类型,然而在实际工业中多种故障会同时出现,即复合故障.针对复合故障诊断问题,一些学者引入多标签学习思想,多标签K近邻算法(ML-KNN)就是其中之一.然而ML-KNN算法作为一阶算法,只考虑标签与对应样本数据间的关系,却忽略了标签间的联系.针对该问题提出一种分级多标签学习算法,名为分层多标签K近邻算法(HML-KNN). HML-KNN算法将机械设备的退化阶段和故障类型分为两级,将第1级得到的标签信息进行转化,转化后的信息作为新特征放入第2级进行判断. HML-KNN算法是一种高阶算法,考虑了全局的标签信息,并在算法中包含了标签的特征转化,使得到的结果准确率更高.最后通过XJTU-SY数据集验证HML-KNN算法在处理复合故障诊断问题上的优越性. 相似文献
3.
5.
6.
7.
为了研究不同材质油管钢在ASP三元复合驱溶液中的腐蚀特性,采用1Cr18Ni9Ti不锈钢、T10、T20、Q235、45钢油管钢,通过室内静态浸泡试验,研究了不同材质油管钢在不同浓度及p H值三元复合驱采出液中的腐蚀情况,同时采用SEM和EDS等方法对腐蚀产物进行微观形貌观察和元素定量分析,确定了腐蚀产物成分及腐蚀形态。研究结果表明,不同浓度的ASP三元复合驱溶液对5种油管钢腐蚀性一般,1Cr18Ni9Ti不锈钢耐蚀性能最好,45钢最差;随着三元复合驱溶液p H值的升高,5种油管钢的腐蚀速率逐渐减小,并趋于平稳。 相似文献
8.
文中通过数值模拟建立了微弧等离子弧焊的模型,研究了不同预热温度对微弧等离子弧单道焊残余应力的影响规律,通过X射线残余应力仪测量了焊后件的残余应力,验证了模型的准确性。结果表明,等离子弧堆焊过程中的预热提高了热输入,使焊接熔池变深,热影响区变宽;焊后最大残余应力发生在热影响区内,最大残余应力在y方向上,最大值为1 022 MPa,且为拉应力。随着预热温度的提高,最大残余应力逐步下降,最大残余应力区域逐步向外扩展,趋势与热影响区的一致。最大显微硬度值在热影响区,随着预热温度的提高,硬度逐步在提高。热影响区内产生的马氏体组织是硬度提高的根本原因。 相似文献
9.
10.