课程文献中心 更多>>

关键词： 盾构施工   推进速度   掘进比能   刀具磨损量   施工参数   多目标优化   CatBoost-NSGA-Ⅲ算法  

摘要： 由于盾构在施工过程中受环境、设备和作业等不确定因素的影响,导致隧道开挖的安全性、效率和成本难以协调。针对这种情况,以武汉轨道交通某标段施工为依托,采用基于梯度增强(CatBoost)和非支配排序遗传算法(NSGA-Ⅲ)的混合算法,在全面考虑掘进效率、成本、安全风险等因素的基础上,选择以推进速度、掘进比能、刀具磨损量为目标,构建施工参数智能控制决策系统。首先,通过CatBoost回归模型预测盾构隧道推进速度、掘进比能和刀具磨损量,得到控制目标的适应度函数;然后,基于CatBoost预测模型构建的适应度函数,利用CatBoost-NSGA-Ⅲ进行施工参数的多目标优化;最后,通过模糊决策法从多个Pareto最优解集中选出最佳的施工参数组合,为隧道盾构掘进参数智能预测与优化提供参考。结果表明:1)Catboost可以进行模型精准预测,拟合优度R2大于0.9,均方根误差RMSE和平均绝对误差MAE较小;2)Catboost-NSGA-Ⅲ多目标优化,模糊决策法确定最优方案。经过优化,相较于实测数据的平均值,掘进比能和刀具磨损量分别降低5.3%和13.5%、掘进速度提升6.3%,为盾构隧道的智能化掘进控制和管理决策提供依据。

关键词： 刀具磨损监测   多传感器特征融合   权重差异策略   域自适应  

摘要： 机床状态监测对于机床健康管理以及保证工件加工质量具有重要意义。针对现有刀具磨损预测模型存在训练时间长、收敛速度慢以及泛化能力弱等问题,提出了一种分布式一维卷积神经网络对刀具磨损进行预测。采用残差连接与通道注意力模块顺序堆叠的方式作为特征提取模块,并通过交叉验证以选择合适的网络层数。由于不同传感器所提取到的特征信息可能存在冗余,使用权重差异策略以提高特征提取的有效性以及全面性。此外,考虑到训练集与测试集分布可能存在差异从而影响模型的泛化性能,引入了域自适应方法提高模型在未知数据集中的表现。为验证模型效果,使用PHM 2010铣刀磨损数据集进行实验。实验结果表明,该模型在C1、C4、C6三把刀具上的平均RMSE和平均MAE分别为6.97和6.29,与TCN、TDConvLSTM等模型相比有12%以上的提升。

关键词： 电力系统   火电厂设备   故障诊断   检修技术   决策树算法   决策树模型  

摘要： 作为电力系统的重要组成部分,火电厂的稳定运行对保障社会生产和人民生活至关重要。针对火电厂设备的各类故障提出了一系列的解决办法,并采用决策树算法分析历史故障数据,构建决策树模型,实现了对故障原因的快速定位和诊断。通过案例分析,验证了所提方法的有效性,为火电厂设备故障的早期诊断和预防性维护提供了技术支持。

关键词： 掘进机   电气系统   CAN总线通讯   模块化   接口设计  

摘要： 针对EBZ260型掘进机电气系统存在的智能化水平低、维护/维修困难的问题,设计了基于CAN总线的掘进机模块化电气系统。重点分析了以CX9240控制器为核心的掘进机电气系统硬件、软件设计方案并完成了工业性试验。试验结果表明:该电气系统能够满足掘进机运行要求,提升了掘进机智能化水平,降低了电气系统维护和维修难度,有助于提高掘进工作面作业效率。

关键词： 卷积神经网络   信号到图片的转换   特征提取   故障诊断  

摘要： 近年来对轴承诊断方法的研究表明,大多数方法都是将特征提取和故障识别相结合。但是,这些方法对专业知识有较高的要求,同时需要花费大量的时间开发诊断算法,且算法的性能会受到工况变化、噪声等因素的影响。为了解决上述问题,这里提出了一种信号的预处理方法,可以将一维振动信号转为二维灰度图,以及自适应的抗噪卷积神经网络(AA-CNN)模型。该模型,无须解析机械设备内在故障机理,并且将特征提取过程与故障分类过程有机结合,实现故障诊断。为了保证结果的通用性,利用公开的轴承数据集对模型进行验证,结果表明:该故障诊断模型的识别准确率保持在99%以上,并且在含噪声的时域信号中也能准确识别出故障种类和程度,有良好的适应性。

关键词： 岸边起重机   焊接接头   热影响分析   应力集中区域   预防措施  

摘要： 岸边起重机作为关键的港口装备,其主结构焊接连接部分的作用至关重要。然而,焊接操作中产生的热影响引起连接部位的应力集中,可能会引发结构疲劳断裂,造成不可估量的后果。文章对岸边起重机焊接部位的热影响进行探讨,探究应力聚焦点形成的原因及潜在的危害,并提出一系列预防措施,旨在为岸边起重机的结构制作提供借鉴,降低疲劳风险,有效提升其结构耐用性。

关键词： 竖井掘进机   地下停车场   科幻电影   上海市静安区   停车位  

摘要： 在不少科幻电影和小说中,人类不仅将活动范围扩大到太空,还不断向地下延伸。为了给居民提供更多的停车位,上海市静安区正在开挖一个50多米深的地下停车场,深度相当于19层楼那么高。这个工程听上去仿佛是天方夜谭。

关键词： 重加权平方包络负熵(RNSE)   重加权平方包络谱负熵(RNSES)   重加权Infogram   轴承故障诊断  

摘要： 针对轴承故障诊断中传统脉冲量化指标性能受限,无法正确指示在强背景噪声掩盖下的轴承故障频带的难题,提出了重加权平方包络负熵(reweighted negentropy of the squared envelope,RNSE)和重加权平方包络谱负熵(reweighted negentropy of the squared envelope spectrum,RNSES),它们不仅能够在无周期先验知识情况下保持对故障周期性脉冲敏感性,而且对于随机脉冲也有较强的鲁棒性。进一步地,为提取轴承振动信号中的故障特征,基于RNSE和RNSES的加权平均值提出了重加权信息图(reweighted infogram,Rinfogram)算法。利用轴承故障仿真信号和高速列车牵引电机轴承台架试验信号证明Rinfogram算法能够在强噪声干扰下成功识别故障频带,对于随机脉冲干扰具有很好的鲁棒性,其故障特征提取效果优于基于谱峭度的Kurtogram和传统Infogram,从而提高了轴承故障诊断的准确性。

关键词： 光伏阵列   改进蜣螂算法   变分模态分解   长短期记忆   故障诊断  

摘要： 为提高光伏阵列故障诊断精度,提出一种基于变分模态分解VMD(variational mode decomposition)和改进蜣螂算法IDBO(improved dung beetle optimizer)优化长短期记忆LSTM(long short-term memory)网络的光伏阵列故障诊断方法。首先,针对蜣螂算法DBO(dung beetle optimizer)收敛精度低且易陷入局部最优的问题,提出一种融合Levy飞行策略、T分布扰动策略及多种群机制的IDBO算法,通过与DBO、麻雀搜索算法、鲸鱼优化算法寻优测试对比,证明IDBO算法的优越性,再与LSTM结合搭建IDBO-LSTM故障诊断模型。其次,为充分挖掘故障特征,利用VMD提取故障数据多个层面的特征分量,作为IDBO-LSTM模型输入量。最后,实验对比结果表明,该方法的故障诊断准确率达到98.34%,优于其他5种模型,证明了所提方法的可行性及优越性。

关键词： 盾构机   复杂   地质   施工  

摘要： 随着城市化进程的加速,地下空间的开发利用变得日益重要,而且盾构机作为一种高效的隧道施工设备,在复杂地质条件下的施工中发挥着关键作用。本文综合分析了盾构机在不同复杂地质条件下的施工方法,探讨了地质超前预报技术、土压平衡与泥水平衡盾构技术、盾构机的选型与适应性改造以及施工监测与控制技术等关键施工技术。评估了这些技术在实际施工中的应用效果,提出了盾构施工中可能遇到的挑战和解决方案,并对盾构技术未来的发展趋势进行了展望。