课程文献中心 更多>>

关键词： 煤矿   机电设备   故障诊断   维修技术  

摘要： 随着我国煤炭产业的快速发展,煤矿机电设备维修管理工作逐渐受到了煤炭企业的高度重视,其是保证煤矿产业健康、可持续发展的一项重要工作。但是就目前而言,我国一些煤炭企业虽然已经认识到机电设备故障诊断与维修管理的重要性,但是还是存在一些问题,这样就无法保证机电设备应用效果。为此,必须及时对这些问题进行总结,并调整与优化管理措施,进而为煤矿企业发展提供动力。在此基础上,确定机电设备故障后,科学的进行诊断,对维修技术进行选择,保证机电设备维修效果,进而可以保证机电设备使用性能。

关键词： 零样本学习   迁移学习   工业人工智能   机器学习   故障诊断   缺陷检测  

摘要： 随着工业大数据技术的发展,应用于工业对象的有监督方法得到广泛研究.真实数据往往遵循长尾类分布,导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题.零样本学习(zero-shot learning,ZSL)技术的提出为这一问题提供了一种新的解决思路.零样本学习的目标是使用收集到的已见类别数据训练模型,使得训练好的模型对于收集不到数据的未见类别同样适用.零样本学习通过将故障的文本描述等辅助知识引入到模型中,一定程度上缓解了模型在实际工业场景中对训练数据收集的依赖,提高了模型的泛化性能.然而,目前领域内尚缺乏对零样本学习在工业领域应用的系统梳理与讨论,而工业零样本学习在辅助知识的收集和处理、研究方法、应用场景等方面与其他领域的零样本学习相比也具有独特性.鉴于零样本学习在工业领域潜在的巨大应用价值和未来的发展潜力,系统性梳理和展示了从零样本学习理论模型到工业应用的动机、演变与挑战.首先,回顾零样本学习设定与相关方法的发展脉络,分析零样本学习与其他任务设定之间的关联,并指出本文与前人综述的区别.接下来,回顾工业领域零样本学习的研究现状,介绍典型的工业零样本学习任务和辅助知识,分析工业零样本学习的特征和典型问题,梳理工业领域零样本任务中应用的现有方法.此外,梳理工业零样本任务的基准数据集和开源工作.最后,在现有研究的基础上总结工业零样本任务面临的问题与挑战,并对该领域的研究做出展望.

关键词： RV减速器   变分模态分解   振动特性   变转速工况   故障诊断  

摘要： 在变转速工况下对RV减速器进行故障诊断存在诸多的问题,如信号采集频率不统一、分量调制、低频特征难以确定、频率模糊等,导致RV减速器的故障特征难以提取。针对此问题,提出一种变分模态分解的阶次跟踪分析方法,根据RV减速器的振动特征,确定RV减速器的瞬时转速信号和振动信号;再对RV减速器的转速进行二阶拟合差分,得到时间-转速信号;通过计算时间-转速积分对RV减速器的振动信号进行等角域划分,再利用变分模态分解和重构选取目标分量对其进行傅里叶包络变换,得到RV减速器故障信号的包络阶次图,通过对比故障阶次确定减速器的故障点。所提方法可以在振动信号和转速的采集频率不匹配的情况下进行故障诊断,解决了不能充分划分等角域的问题,为变转速工况下的复杂旋转机械的故障诊断提供了新方法。

关键词： 涉鸟故障   输电线路   高压架空   安全  

摘要： 在现代电力系统中,高压架空输电线路是电能传输的主要渠道。但输电线路常与野生鸟类的栖息地相交,鸟类破坏线路导致“涉鸟故障”。涉鸟故障会严重影响电力系统的稳定运行,对用电安全造成不良影响。本文分析了高压架空输电线路涉鸟故障对电力系统的影响,讨论了数据采集与处理、现场诊断方法、智能诊断系统等故障诊断的关键环节,提出了涉鸟故障的应急措施、初步处理方法、建立长期有效的防护措施,旨在为电力系统的可靠运行提供策略指导,为用电安全保障提供技术参考。

关键词： 智能故障诊断   格拉姆角场   轻量化卷积神经网络   EfficientNet-B0   注意力机制   CBAM  

摘要： 相比依赖于人工分析且无法充分提取信号中丰富信息的传统故障诊断方法,采用深度学习模型可以取得更理想的识别效果,但依然存在所使用的模型参数量大、计算成本高的问题。文章提出一种将格拉姆角场(gramian angular field,GAF)编码方式与改进的EfficientNet-B0模型相结合的方法进行轴承的故障诊断。首先,一维轴承信号经过格拉姆角场编码为二维时序图像;其次,将二维图像输入引入注意力机制CBAM模块的EfficientNet-B0模型中自动进行特征提取和分类识别;最后,在仿真试验环节使用凯斯西储大学与德国帕德博恩大学的轴承数据集,基于格拉姆角场与EfficientNet-B0-CBAM模型的诊断方法对轴承故障的识别准确率分别可达到99.90%和98.04%,可以得出所提出的方法在保持模型轻量化特点的基础上拥有更高的识别准确率和更好的泛化能力。

关键词： 分段聚合近似   格拉姆角场   卷积神经网络   故障诊断  

摘要： 针对轴承微小故障信号非平稳非线性且易受背景噪声干扰的特点,提出了一种基于格拉姆角场和多尺度卷积神经网络(Gramian angular field and multi-scale convolutional neural network,GAF-MCNN)的智能故障诊断方法。首先,利用分段聚合近似算法对原始振动信号进行压缩降维预处理,以减少数据存储空间和提升计算效率;然后,利用格拉姆角场算法将一维序列信号转换为二维矩阵热图,二维化后的矩阵加强了原始振动信号间的时间关系,将时间维度编码到了矩阵结构中;最后,设计了基于多尺度卷积神经网络对故障进行高效快速智能诊断。实验结果表明,GAF-MCNN诊断方法不仅克服了传统卷积神经网络诊断方法存在的计算效率较低的问题,而且诊断准确率优于单尺度卷积神经网络方法,具有较强的工程实用性。

关键词： 知识图谱   装备故障诊断   知识图谱构建   知识推理   知识抽取  

摘要： 知识图谱从装备故障诊断数据中提取有用的知识,通过(实体,关系,实体)的三元组方式,对复杂装备的故障诊断信息进行有效管理,实现装备故障的快速诊断。首先,介绍装备故障诊断知识图谱的相关概念,分析装备故障诊断领域知识图谱的构建框架;其次,归纳国内外装备故障诊断知识图谱的知识抽取、知识融合以及知识推理等几个关键技术的研究现状;最后,对目前装备故障诊断知识图谱应用进行总结,提出该领域知识图谱构建的不足和面临的挑战,并对未来装备故障诊断领域提供一些新的思路。

关键词： 悬臂式掘进机   施工优势   推广运用  

摘要： 在中小型断面隧洞施工中,由于机械化施工程度低,掘进效率、工程质量和安全施工难以保证,以悬臂式掘进机在亭子口灌区工程隧洞开挖中的实际应用为例,阐明悬臂式掘进机在提高掘进效率、工程质量和安全施工方面的优势,为中小型断面隧洞工程机械化施工提供借鉴。

关键词： 发动机电控系统   系统化   科学化   故障诊断方法  

摘要： 随着信息化、智能化技术在汽车上的应用越加广泛,发动机技术水平越来越高,发动机电控系统又是发动机的控制核心。因此对于售后维修人员的技术水平有了更高的要求,因此系统化、科学化的诊断检修方法是维修人员所急需的,本文针对汽车发动机电控系统故障,提出了系统的诊断方法、故障诊断原则及相关注意事项,旨在为汽车发动机电控系统的诊断与维修提供一定的参考。

关键词： 大通G50   蓄电池亏电   故障诊断  

摘要： 根据客户2023款上汽大通MAXUS G50车的故障现象,通过万用表检测及查阅该车的维修资料,确定可能的故障原因,然后通过拔下ACC继电器U-R10,测量发现与熔丝I-F11相关的线路存在与常电源短路的故障,再利用就近原则及分段检查,最终确定连接器IP78的端子33与端子3的铜片存在短路故障。通过对该车故障的诊断与排除,以期为相关从业人员提供借鉴参考。