课程文献中心 更多>>

关键词： 数字孪生   工业设备   故障诊断   振动信号   孤立森林模型  

摘要： 为对工业设备的运行状态进行多维度的监控与管理,首先将复杂的工业系统分解为多个松耦合、可独立部署的子系统,每个子系统承担远程运维、状态监测、故障诊断等任务。其次,使用Lab VIEW系统采集工业设备的振动信号,并且对数据进行缺失值补偿与数据标准化的预处理,以确保数据的准确性。最后,引入孤立森林模型,通过随机选择特征和分割数据构建多棵孤立树,形成森林结构,以高效地识别异常行为,结合麻雀搜索算法优化孤立森林模型的树的数量和深度,提高工业设备异常点检测的准确度和效率。在包含57个样本的测试集上进行测试,本文诊断方法识别出了56个样本的工业设备故障类型,总体正确率高达98.24%。平均运行时间仅为6.7s,明显优于其他三种方法。基于数字孪生的工业设备故障诊断系统能够实时监控设备运行状态,及时发现并预警潜在故障,为工业设备的维护和管理提供有力支持。

关键词： 故障诊断   主题模型   词向量   权重   文本聚类  

摘要： 针对信号设备故障文本数据存在的长度短、专业性强及难以智能化再利用等问题,提出基于改进的词对主题模型和词向量融合(IBTM-TMW)的信号设备故障文本聚类方法。首先,为减少数据噪音,提升数据质量,在数据预处理过程中引入自建词典和保留动名词处理;其次,在词对的吉布斯采样建模过程中引入词的差异性重要度作为加权因素,利用改进的词对主题模型(IBTM)提升文本主题特征的学习能力,并将词频-改进逆文档频率权重(TF-MIDF)嵌入到Word2vec词向量的生成过程,将词的文本重要性与Word2vec词向量融合,完善文本词特征向量的表示;最后,通过融合文本主题特征向量和词特征向量,增强文本特征的表示能力,并采用K-means++算法进行故障聚类分析。结果表明:同一试验数据集下,所提方法生成的文本特征向量明显优于其他传统模型,其诊断精度达到89.9%,高于K-means,GMM,AGNES和BIRCH等聚类模型(诊断精度分别为78.3%,68.1%,87.9%和81.7%)。该方法可增强故障文本特征与类别间关联关系的识别能力,为基于文本数据驱动的故障诊断提供参考。

关键词： TBM   小转弯半径   大断面   大纵坡   设计   制造   测量控制  

摘要： 依托某抽蓄电站地下厂房系统施工,针对工程使用护盾TBM直径9.53 m的特殊情况,探讨并梳理实现小转弯半径、大断面、大纵坡TBM精确贯通的施工方法及措施,以期为后续工程提供借鉴。

关键词： 雨刮器   低速挡   故障码   行驶里程   VIN   挡位   故障诊断   发动机  

摘要： 车型:2018年雪佛兰迈锐宝,配置LFV 1.5T发动机。VIN:LSGGJ5459JS××××××。行驶里程:59716km。故障现象:客户反映雨刮器工作不正常,开低速挡时与高速挡速度一样。故障诊断:将雨刮器开关置于间歇1~间歇5位置时,雨刮器随挡位间歇工作,工作正常;开启“除雾”挡时,雨刮器会刮一下,正常;将雨刮器开关置于“低速”挡时,雨刮器高速工作,将雨刮器开关置于“高速”时,雨刮器高速工作。GDS检测无相关故障码。

关键词： 级配不良砂   自行式履带铲运机   装载机   自卸汽车   设备功效  

摘要： 级配不良沙土因其具有颗粒均匀、孔隙率大、密实度低、保水性能差、松散等特性,轮式设备的轮胎与地面接触面积小,车身给地面带来的压力较大,在不良沙土地段通行易陷车,施工作业困难,甚至出现事倍功半效果。履带式设备的履带较宽,且履带式可以均匀地分散车身压力,带给地表更小的压力,在松散砂土地带行动自如。通过现场测试比较两组设备挖运单位土方量的时间和油耗量,再探讨不同机械设备在级配不良砂上的功效迥异。通过比对结果发现,自行式履带铲运机这种设备在级配不良砂路面上功效良好并具有较大的优势,而轮式设备(装载机+自卸车)在不良级配砂路面上表现较差,未能发挥出原有的功效。因此,建议在级配不良砂土路段的施工,优先使用自行式履带铲运机作为挖运设备。

关键词： 电池储能   扩张状态观测器   故障诊断   推理控制   无模型自适应控制  

摘要： 为了提升参与储能调频的发电机组控制系统的性能,提出了一种适应储能调频的控制系统故障诊断及自愈控制方法。首先采集并预处理物理控制系统的输入、输出数据,基于物理机理建立控制系统模型。其次,在控制系统模型层构建改进型扩张状态观测器,基于改进型扩张状态观测器设计控制系统故障判据,进行系统的故障诊断。最后,采用变负荷扰动试验验证了方法的有效性。试验中,优化后的主蒸汽压力平均控制偏差为优化前的31.3%,主蒸汽压力的稳定性大幅度提升。

关键词： 物联网   配电网   设备监测   故障诊断  

摘要： 物联网技术在配电网设备监测与故障诊断中的应用日益广泛,本文设计了一种基于物联网的配电网设备监测与故障诊断系统,该系统由物联网传感器网络、边缘计算与数据聚合、物联网云平台与大数据分析以及移动监控与控制四个模块组成。通过搭建高仿真实验环境,对系统的监测精度、诊断准确率、通信时延等关键性能指标进行了测试与分析。结果表明,所提出的系统在不同工况下均表现出优异的性能,验证了该系统的可行性和有效性,为配电网的安全稳定运行提供了可靠的技术支撑。

关键词： 机械设备   机电一体化   应用措施  

摘要： 随着我国科学技术的不断发展,在各个领域中都得到了广泛的应用,特别是在机械制造领域中,机电一体化技术更是有着十分重要的地位。随着我国经济水平的不断提高,社会各界对机械制造的要求也越来越高,而机电一体化技术作为一项先进的技术,在机械制造中得到了广泛应用。机电一体化技术与传统机械制造相比具有很多优势,比如,缩短了机械制造过程中各个环节之间的距离,提高了工作效率;再比如,机电一体化技术可以在很大程度上提高生产过程中产品的质量。机电一体化技术是一种将现代信息、计算机和微电子等科技相结合而产生的一种新型的技术。它在工程机械的生产中运用,是一种适应新时期发展潮流的一种有效措施。因此,文章将分析现代机械设备中机电一体化技术的应用现状以及应用前景,并进一步探讨现代机械设备中机电一体化技术的应用。

关键词： 桥门式起重机   概率神经网络(PNN)   偏最小二乘(PLS)   残差矩阵  

摘要： 针对传统概率神经网络对桥门式起重机进行安全评估时存在的网络结构复杂、参数繁多、运算费时等问题,提出一种基于偏最小二乘(PLS)的概率神经网络(PNN)的桥门式起重机安全评估方法。采用偏最小二乘法提取主成分,利用部分主成分替代原有的样本输入,降低输入的维数;利用有限的模式组合神经元替换通常的样本神经元,减少网络的节点和连接等参数,以简化网络,加快其收敛速度,并将输出结果进行离散化,提高模型的训练效率和推理速度。仿真试验结果表明:相比传统的PNN评估法,所提方法大幅缩短了训练与测试时间,验证了该方法的有效性,实现了桥门式起重机高效智能安全评估。

关键词： 矿用滚动轴承   故障诊断   ConvNeXt   超小波变换   全维动态卷积   高效局部注意力机制  

摘要： 针对现有矿用滚动轴承故障诊断方法存在特征提取能力有限、泛化性欠佳的问题,提出了一种基于超小波变换(SLT)与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断方法。以ConvNeXt−T为基础,引入批归一化(BN)技术以提高网络的泛化性,使用全维动态卷积(ODConv)替换原有的深度可分离卷积,以提高网络的适应性,引入高效局部注意力(ELA)以使网络聚焦关键位置特征,构建了矿用滚动轴承故障诊断OD−ConvNeXt−ELA网络模型;为充分利用OD−ConvNeXt−ELA网络模型的图像特征提取能力,选用SLT将采集的滚动轴承一维振动信号转换为二维时频图像后输入OD−ConvNeXt−ELA进行模型训练。选用凯斯西储大学(CWRU)和帕德博恩大学(PU)轴承数据集进行故障诊断实验,结果表明:对于单一工况下的CWRU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为99.65%,较ConvNeXt−T提高了1.61%;对于跨工况下的CWRU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为87.50%,较ConvNeXt−T提高了3.30%;对于跨工况下的PU轴承数据集,OD−ConvNeXt−ELA平均故障诊断准确率为89.33%,较ConvNeXt−T提高了3.46%;基于SLT与OD−ConvNeXt−ELA的矿用滚动轴承故障诊断方法在跨轴承、跨工况及噪声干扰下具有准确率高、泛化能力强的优势。