课程文献中心 更多>>

关键词： 无人艇   电力系统   深度学习   故障诊断   VIT  

摘要： 为适应无人艇高可靠性和智能运维保障的发展需求,本文提出一种基于改进VIT神经网络模型的无人艇电力系统故障诊断方法,通过改进的注意力机制对模型参数进行求取,降低算法空间的复杂度,且避免模型参数限于局部最优。通过对交流低压无人艇电力系统进行短路故障仿真建立故障数据集,采用连续小波变换对故障电压序列数据进行特征提取,该特征数据用于训练改进VIT模型,实现无人艇电力系统故障诊断。对改进VIT模型与卷积神经网络CNN、深度收缩残差网络DRSN、VIT模型的故障识别性能进行仿真对比研究,结果表明改进VIT模型具有较高的故障诊断准确度,且受短路故障电阻的变化影响小、适应性更强。

关键词： 中风化泥岩   盾构   黏附强度   抗剪强度   坍落度   渣土改良  

摘要： 为更好地分析盾构结泥饼风险及渣土塑流性特征,开展旋转剪切试验、三轴试验和坍落度试验,探究长春中风化泥岩渣土黏附强度和抗剪强度特征;基于渣土强度提出长春泥岩渣土合理改良坍落度的建议,并结合实际工程验证其合理性。主要结论如下:1)随着含水率的增大,长春中风化泥岩渣土(界面)黏聚力先增大后减小,(界面)摩擦角逐渐减小。当含水率为22.58%~27.36%时,土-金属间的界面黏聚力大于黏聚力;当含水率为15.99%~24%时,界面摩擦角大于内摩擦角。2)渣土坍落度与强度密切相关,随着坍落度的增大,渣土黏附强度和抗剪强度快速降低。当坍落度大于4 cm时,黏附强度和抗剪强度变化较小;当坍落度为0.5~1 cm时,渣土黏附强度大于抗剪强度,因此建议盾构渣土坍落度不小于1 cm,且尽可能使渣土坍落度大于4 cm,以充分减小渣土强度和增大渣土塑流性。

关键词： 油压机组   状态监测与故障诊断系统   应用  

摘要： 随着现代工业的发展,油压机组在石油、化工、电力、船舶等领域中发挥着重要作用。然而,长时间运行过程中,设备故障和安全问题逐渐凸显。本研究通过对油压机组状态监测与故障诊断系统的研究,实现实时监控和故障预警。分析了油压机组的运行特点和常见故障类型,提出了基于振动分析、温度监测和压力检测的多参数融合方法,提高诊断准确性和及时性。实际应用验证了该系统在提高设备可靠性、减少停机时间和维护成本方面的有效性,增强了设备安全性和稳定性,为智能化管理提供技术支持。

关键词： 砂型铸造   缺陷预测   代价敏感学习   卷积神经网络  

摘要： 针对砂型铸造过程缺陷难以寻因、工艺数据类别不平衡问题,提出了一种基于特征重分布与代价敏感学习的卷积神经网络缺陷预测方法。首先,根据样本特征相关性,对特征向量排列顺序进行了优化;其次,基于不平衡工艺数据样本设计了代价敏感正则项,对模型损失函数进行了修正;最后,构建了缺陷预测模型(FR-CS-CNN)。测试结果表明,本研究构建的FR-CS-CNN在总体预测精度上达到了93.67%,相比卷积神经网络提升了2.96%。

关键词： 无人机   图像识别   光伏组件   故障诊断  

摘要： 光伏组件自身缺陷是影响光伏电站发电量的重要因素。由于对单块光伏组件运行状况无法进行有效实时监测,其故障也不易被人工巡检发现。因此,在采集分析光伏组件电气特征的基础上,基于无人机图像识别的智能诊断联动分析机制,并融合应用大数据与图像处理算法,实现光伏组件诊断效率的提高,并以某地面光伏电站项目为例进行了分析,证实了故障诊断系统技术方案可提高发电效益,以期为相关人员提供参考。

关键词： 盾构隧道   水土压力   隧道围压计算   应力变化影响因素  

摘要： 随着地下隧道工程的增加,盾构掘进会改变隧道周围土体的应力状态,可能导致变形或沉降。探讨盾构掘进对隧道周围土体应力的影响对未来研究有很大的参考价值。文中总结现有成果,分类分析隧道周围水土压力变化、应力变化的影响因素及围压计算方法。研究表明盾构掘进引起的土压力和孔隙水压力变化具有相似规律,隧道周围应力变化受内外多因素影响,围压计算方法大多基于经验。缺乏全过程施工现场数据和大型模型试验,施工方法及地表荷载、地下水位等外部因素对土体应力的影响尚需深入研究,围压计算方法体系亟待完善。

关键词： 磨机设备   选矿   运行管理   故障诊断   优化  

摘要： 在矿物加工流程中,磨机设备作为核心组件,其运维管理与故障识别对整个选矿工艺的效能与可靠性有着直接的影响。随着矿物加工行业的演进,磨机设备的工作环境及运行条件日趋复杂,过往的管理与保养策略已难以适应当代生产的高标准需求。有鉴于此,本研究详细探究了磨机设备的运维策略及典型故障诊断技巧。通过监控并优化磨机的关键运行参数,协同运用前沿的故障诊断技术——包括振动特征分析、润滑介质分析,以及基于人工智能的诊断手段,旨在增强磨机设备的运行效能与故障预判能力,为矿物加工企业提供坚实的生产支持。

关键词： 农业机械   故障诊断技术   诊断系统   应用  

摘要： 随着现代科技的快速发展,农业机械在农业生产中的应用愈加广泛,农业机械设备的复杂性和自动化程度也在不断提高。为此,对农业机械设备的故障诊断和健康管理提出了更高的要求。然而,由于农业机械在长期使用过程中不可避免地会出现各种故障,故障若不能及时诊断和排除,将会严重影响了农业生产效率,甚至可能导致严重的经济损失。机械故障诊断技术作为一种有效的故障检测和预防手段,其在农业机械中的有效应用将会具有重要意义。本文介绍了机械故障诊断技术的基本原理和方法,探讨了机械故障诊断技术在农业机械设备中的实际应用效果,提出了农业机械故障诊断系统的构建方法,并对农业机械故障诊断技术的发展趋势进行了展望。

关键词： 泵   液压系统   异常检测   故障诊断   主成分分析   深度学习  

摘要： 液压系统状态监测信号受回路特性与泵机组运行工况影响,呈现复杂非线性且异常状态难以准确识别与诊断。为此,提出了一种基于主成分分析与随机森林BP神经网络(PCA-RF-BP)的液压系统异常状态诊断策略,用于提高设备监测系统的诊断效率。首先,基于状态监测数据进行主成分分析以降低数据维度,同时计算T 2和SPE统计量进行过程状态的实时异常检测;其次,采用随机森林BP神经网络对异常样本进行预测分类。实验结果表明,所提方法能够有效地诊断液压系统泄漏状态,检测延迟至多5个样本点,预测分类精度达到99.88%,相较于现有方法平均提高了4.63%。

关键词： 港口机电设备   故障诊断   技术应用  

摘要： 随着经济全球化的不断推进,港口作为重要的贸易节点,其机电设备的高效、稳定运行对于确保港口物流的畅通无阻至关重要。但是,在具体运行过程中,受到设备种类繁多、工作环境复杂以及长时间运行等各种因素的影响,使得港口机电设备经常会出现各种故障问题,不仅影响了港口作业的效率,还带来了一定的隐患问题。为确保设备的维护水平以及港口的运营安全,必须针对港口机电设备的故障诊断技术的实际应用展开进一步的研究。基于此,本文就港口机电设备故障诊断技术的应用相关问题展开了探究,希望能够为相关工作人员提供有益的借鉴。