课程文献中心 更多>>

关键词： 建筑工程   塔式起重机设备   拆装技术   安全管理  

摘要： 塔式起重机是一种重要的垂直运输设备,在现代建筑施工中扮演着至关重要的角色。塔式起重机的安装与拆卸过程属于高危作业范畴,其技术复杂性和安全性要求极高,需要精准操作和科学规划,以确保设备及人员的整体安全。基于此,围绕建筑工程塔式起重机应用,深入分析塔式起重机设备的拆装技术,以及此过程中的安全管理措施,旨在提高拆装作业效率,降低安全风险,满足行业高质量发展的要求。

关键词： 掘进机   电控系统   故障诊断   PLC  

摘要： 电控系统是掘进机的核心部件。煤矿井下环境恶劣,掘进机运行时电控系统容易发生各种故障,这使得掘进的效率受到极大的影响。为了保证掘进机的高效运行,必须对掘进机电控系统进行改进。分析了掘进机电控系统存在的问题,主要有故障诊断困难、控制方式复杂和维修成本高3个方面。探讨了掘进机电控系统改进方案,决定加入故障诊断系统并采用PLC进行控制。可以为煤矿掘进机的设计提供一定的参考。

关键词： 有色金属矿山   TBM掘进机   硬岩掘进技术   智能矿山  

摘要： 在地下金属矿山施工中传统钻爆法安全风险高且效率低,为解决传统钻爆法的施工问题我国采矿装备逐步向机械化、现代化、智能化发展,近年来我国将TBM硬岩掘技术逐步引进了金属矿山工程施工领域。随着矿山开拓技术的不断发展TBM硬岩掘进设备作为一种新型的隧道、巷道掘进设备,具有安全、高效、断面成型质量良好等优点,被逐步应用于各类隧道及地下矿山施工中。TBM硬岩掘进设备采用先进的刀盘设计和切割技术,能够高效地进行巷道掘进作业,同时采用机械传动的原理,能够大幅度降低施工作业人员的劳动强度,极大地提高了地下矿山施工安全性。

关键词： 富水砂层   盾构法   沉降控制   渣土改良   注浆  

摘要： 以天津市轨道交通10号线一期工程土建施工第8合同段微山路站—财经大学站盾构区间施工为例,探讨富水砂层中盾构掘进沉降控制技术。通过选择合适的渣土改良剂、划分穿越施工阶段,控制土压力、推进速度、同步注浆、二次注浆等措施,降低盾构施工对周边环境的影响。以左线盾构侧穿建筑为例,盾构穿越完成后,建筑物监测点最大沉降值为-3施工提供了参考。

关键词： 故障诊断   多源信号   非线性最大相关   双路1D-CNN  

摘要： [目的]解决滚动轴承故障单模态信号的诊断方法精度不理想,且易被单模态信号噪声误导的问题。[方法]提出了一种融合多模态传感器信号的新方法。从原始振动信号和电流信号中提取特征,利用基于1D-CNN的网络进行融合。利用非线性最大相关损失函数进行约束,提取模态共同特征。在Paderborn轴承故障数据集上对该方法进行验证。[结果与结论]融合多模态传感器信号的轴承故障诊断方法,可以实现端到端的故障诊断,诊断准确率能达到98%以上。

关键词： 电动驱动系统   性能优化   故障诊断  

摘要： 电动驱动系统作为新能源汽车的核心技术之一,对于提高能源利用效率及整车性能具有重要意义。文章首先对直流电机技术、开关型磁阻调速电机技术及交流异步感应电机技术的性能优化进行分析,然后对电动驱动系统的故障诊断方法、维修策略及人工智能技术在故障诊断中的应用进行介绍,为提高新能源汽车电动驱动系统的性能及故障诊断效率提供借鉴参考。

关键词： 汽车底盘   五菱   平台打造   星光  

摘要： 2024年8月23日,由中国汽车技术研究中心有限公司联合行业权威机构、高校等共同打造的汽车底盘领域专业技术奖项--“2024中国十佳底盘”获奖名单正式公布。基于天舆架构D平台打造的家用大空间SUV五菱星光S,凭借S级安全、S级可靠、S级能效、S级舒适展示了其技术底气,一举斩获“2024中国十佳底盘”称号。

关键词： 大语言模型(LLM)   提示工程   机械故障诊断   特定领域   专业检索问答  

摘要： 机械故障诊断领域知识专业术语多,理解难度大。大型语言模型(LLM)虽然在自然语言处理和问答系统上表现都很出色,但因为缺乏特定领域数据训练,在专业领域的问答应用不够精准。为改善LLM在机械故障诊断领域问答的表现,通过收集和预处理专业数据,结合提示工程,设计了一个检索增强的专业问答系统。首先,系统通过信息分类判定,筛选并输入专业相关问题。其次,利用LLM和自建的本地知识库,结合双曲空间中的距离度量函数来提高检索问答的精准度,生成专业的回答。最后,系统通过引入阶段性引导提示,不仅帮助LLM生成问题数据以提高模型性能,还能在专业检索问答中更好地理解用户意图,从而生成全面且准确的回答。实验结果展示了问答系统的效果,还通过主观和客观评估验证了其专业性能,并通过消融实验验证了各模块的性能。

关键词： 故障诊断   核主成分分析   麻雀算法   核极限学习机  

摘要： 提出了一种使用核主成分分析(KPCA)、改进的麻雀搜索算法(OCSSA)和核极限学习机(KELM)相结合的算法来解决工厂化工过程中数据非高斯性和数据耦合性强的故障检测问题。首先使用KPCA算法降维,然后使用OCSSA算法寻找KELM中核参数γ和正则化系数C的最优取值。其中对SSA算法的改进如下:通过引入混沌映射技术增加SSA算法的种群丰富性,采用鱼鹰优化算法在第一阶段的全局勘探策略来替换SSA算法的发现者位置更新公式,利用柯西变异策略来替换SSA算法的跟随者位置更新公式。最终建立了一种KPCA、OCSSA和KELM三种算法相结合的轴承故障诊断分类算法。实验结果显示,经过OCSSA优化后,该算法在解决轴承故障时表现出了较高的准确性和有效性。

关键词： 网络故障诊断   Spark   大数据   生成对抗网络   图卷积神经网络  

摘要： 5G网络的普及与各种新兴技术的引入,使得移动通信网络速率在更新的过程中常出现故障诊断低准确率的问题。鉴于此,研究提出面向移动通信网络故障诊断的大数据挖掘方法,在引入Spark框架的基础上,首先利用生成对抗网络对收集的网络数据进行预处理,接着利用图卷积神经网络对样本数据集进行学习,以实现网络故障诊断。与其他算法相比结果显示,当训练样本数据集为600时,研究算法的准确率与MarcoF1值分别为90.14%、88.56%。当迭代次数为200次、保留13个特征时,对网络故障诊断的准确率可达98.01%,且诊断时间仅为0.243s。以上结果均表示在研究方法运行下,移动网络通信的故障诊断准确率较高,且耗时较少,性能最好。