课程文献中心 更多>>

关键词： 起重机   蜡烛   混凝  

摘要： 单纯的一根蜡烛是很脆弱的,很容易断掉,但是经过我们的加工,一根小小的混凝蜡会变成“起重机”,神奇吧!

关键词： 微电子技术   高压直流   输配电   检测系统   故障诊断  

摘要： 文章基于微电子技术,探讨高压直流系统检测精度、运行可靠性等方面。通过分析高压直流输配电系统的基本结构与工作原理,介绍微电子检测技术在电力系统中的应用现状,重点分析微电子传感器在高压直流检测中的应用及其在故障诊断中的作用。结合硬件和软件设计,构建高压直流检测系统,并通过测试与性能评估验证其有效性。研究结果表明,基于微电子技术的检测系统在提升高压直流输配电系统安全性和稳定性方面具有显著优势,为智能电网的发展提供了技术支持。

关键词： 数字孪生   农业机械   故障诊断   深度卷积神经网络  

摘要： 针对我国农业机械的故障诊断和维修尚未实现完全数字化、智能化,大多情况为损坏后进行人工检修的现状,将数字孪生技术应用到农业机械设备的故障诊断及状态检测。通过调查农业机械常用的故障类别,模拟其在工作时产生的振动,并采用时频特征分析振动信号。基于此搭建了一个小型农业机械,并利用SolidWorks建立了孪生体模型,利用Unity 3D建立孪生体场景。使用C#将传感器收集的参数传输给数字孪生体,调用MySQL数据库中已有的轴承、齿轮等传动件的训练模型,并比较BP神经网络、卷积神经网络(CNN)等多种神经网络的优缺点。基于开源数据集,采用深度卷积神经网络(DCNN)进行故障诊断,对断裂、磨损的故障诊断率准确率达到96.7%。

关键词： 中国智造   多元智能   高职公共英语   教学策略  

摘要： 在智能制造背景下,高质量发展所要求的“中国智造”对高职公共英语人才培养提出了新的挑战与要求。当前,高职公共英语教学中存在的诸多痛点,无法有效支撑智能制造专业的教学需求。因此,教师应基于多元智能理论,进行系统的教学改革。具体改革措施包括:明确课程教学目标,重塑英语课程体系;围绕思政教育和专业发展,优化课程教学资源和内容;重建教学模式与教学方法,以提高教学效果,提升人才培养质量,从而更好地满足“中国智造”对育人机制的要求。

关键词： 阀门远传机构   小波包能量熵   BP神经网络   MATLAB   故障诊断  

摘要： 核电站阀门远传机构长期运行在恶劣工况下,当出现故障时会使核电站中关键阀门无法正常开闭,严重时导致设备停机检修,从而造成经济损失。针对这一问题,本文提出一种小波包能量熵-BP神经网络的阀门远传机构故障诊断方法。阀门远传机构样机搭建LabWindows/CVI振动信号采集试验平台,使用小波包算法对故障信号进行分解与重构,并提取小波包能量熵来构造故障特征向量,输入到BP神经网络训练后,经MATLAB仿真运行,验证了该方法的可行性和有效性。

关键词： 共振稀疏信号分解   多点最优最小熵反褶积   行星齿轮箱   故障诊断  

摘要： 为了克服传统共振稀疏信号分解与矩量法的局限性,提高其提取微弱故障特征的能力,提出了一种并行双参数优化RSSD和改进MOMEDA的行星齿轮箱故障诊断方法。首先,并行双参数优化RSSD构造了与不同故障特征相匹配的小波基函数,并将复合故障信号自适应分解为不同的谐振分量,实现了复杂故障特征的解耦。其次,利用改进MOMEDA对共振分量进行去卷积滤波,有效地消除了复杂传输路径和强环境噪声的影响,增强了与弱故障相关的脉冲。最后,通过对行星齿轮箱实验平台的实际故障信号的分析,证明了提出的方法不仅具有良好的解耦性能以及提取弱故障信号能力,且能够全面、准确地提取不同类型的故障。

关键词： 煤矿   机电设备   故障诊断   维修技术  

摘要： 随着新一轮产业革命的蓬勃发展,社会分工日益精细,科技进步迅速。在煤炭开采领域,高科技机电设备的广泛应用极大提升了生产效率。然而,煤矿机电设备面临的恶劣工作环境和高负荷运转,导致其内部零件老化加速,易发生故障,进而干扰煤矿生产的正常运行。为确保煤矿机电设备的稳定运行,必须强化设备的故障诊断和维修工作,优化诊断方法,采用科学的维修流程,以延长设备使用寿命,减少维修成本,进而提升煤矿生产的整体效率。

关键词： 盘式制动器   制动尖叫   复模态分析   试验  

摘要： 为了解决某乘用车台架制动噪声匹配满足客户的CAE仿真分析及台架试验要求以及CAE仿真与试验的吻合性,建立了一种制动器带半悬架总成的复特征值CAE仿真模型,此仿真模型的接触边界通过实际接触状态建立连接并建立摩擦耦合模型,仿真分析提取了不稳定模态振型以及耦合前的振型,揭示出有尖叫倾向的不稳定模态是由子结构未耦合时的多阶振动模态叠加而成,分析提取了不稳定模态下各个子零部件的应变能,从应变能中分析出各个子零部件贡献的大小,提取了不满足客户要求的不稳定模态下各子零部件的应变能,揭示出此不稳定模态下支架的应变能最大其在此不稳定模态中的贡献最大,对支架进行结构优化,在支架副梁的两端增加配重质量块,将优化后的支架再次替换原状态支架进行复模态分析,CAE分析结果表明,所有的负阻尼比均小于2%,满足客户设计目标。将优化后的支架实物替换原状态支架进行台架试验,试验结果零噪声,满足设计要求。通过试验与CAE仿真分析对比结果,表明该复模态分析方法能较好地指导制动噪声的分析与解决,有一定的指导作用。

关键词： 智能监测   故障诊断   数据分析   机器学习算法  

摘要： 本研究聚焦基于数据驱动的故障检测方法,尤其是主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)。PCA通过降维提取关键特征,而SVM通过构建超平面实现故障分类。在此基础上重点探讨状态监测与预测维护、故障自愈与系统的恢复的应用,通过模拟实验验证这些措施的有效性。结果表明,这些方法能显著提升故障检测准确性,为电力系统的可靠运行提供有力支持。

关键词： Energy-driven estimation   Tunnel boring machine   Health status estimation   Excavation process   Deep learning   CUTTER WEAR PREDICTION   ROCK   PERFORMANCE   MODEL  

摘要： This study provides a hybrid deep learning approach that enables the researchers to estimate the Tunnel Boring Machine (TBM) health status during excavation process using energy consumption data. By analyzing the energy forms and paths in the tunneling process, the key energy factors' consumption performance behavior affecting TBM safety is identified. The Ensemble Empirical Mode Decomposition (EEMD) method and a Convolution neural network-Long short term memory-Depth Neural Network (CNN-LSTM-DNN, CLDNN) model are integrated for Health Performance Parameter (HPP) prediction. A classification method is constructed by the Generative Adversarial Imputation Networks (GAIN) model for health status estimation. The SHapley Additive exPlanations (SHAP) method is performed to quantify the relationships between energy consumption and system health status. A tunneling case in Singapore is used to test the effectiveness of the developed methodology. It is found that (1) the proposed method provides TBM cutter wear and cooling oil prediction with a R-square (R2) of 0.8591 and 0.8727, respectively, and (2) classification results indicate that the estimation F1-score of 0.9863 can be achieved based on health status evaluation indicator (HSEI). The novelty of the proposed approach lies in its capabilities of (1) fully extracting and utilizing the energy consumption information in every regard to predict TBM health performance; (2) providing a good one-step-ahead health status estimation for the TBM excavation process. Therefore, this study proposes a feasible direction for the application of energy consumption data in TBM health status estimation.