课程文献中心 更多>>

关键词： 人工智能   电气工程   故障诊断  

摘要： 人工智能是一种以计算机技术为核心的智能计算方法,可根据现有数据及历史经验对未来做出预测和判断,在处理复杂问题方面有着天然的优势。随着科学技术的不断发展,人工智能技术已经在许多领域得到了广泛应用,包括电气工程中的故障诊断。由于电气设备工作环境较为恶劣,并且涉及到诸多危险因素,因此,如何有效地检测设备中存在的故障并进行故障诊断,成为了当前电气工程中一个亟待解决的问题。本文首先介绍了人工智能技术在电气工程故障诊断中的应用情况,然后提出了一种基于人工智能的电气工程故障诊断系统设计方案。

关键词： 水电站   闸门   智能监测与故障诊断系统   智能化水电站建设  

摘要： 水电站闸门在调节水流、控制水位、确保安全、优化水资源利用等方面发挥作用,是保证水电站正常运行和发挥最大经济效益的重要设备之一。给出一种满足智能化水电站建设要求的基于水电站闸门的智能监测与故障诊断系统,实现闸门监测和诊断智能化。针对闸门热量和亮度图像、实际开合度以及应力等数据进行动态分析,确定最佳监测间隔,确保关键指标的及时监控,提高水电站设备的可用性和稳定性,为闸门智能监测与故障诊断系统在智能化水电站建设中提供参考和有效依据。

关键词： 滚动轴承   振动谱图   故障诊断   双线性池化   多特征融合  

摘要： 为了深入优化滚动轴承在变负载驱动环境下特征提取不充分、轴承故障特征表征不足的问题,提出了基于双线性池化引导特征融合的轴承故障诊断算法。对读取到的原始信号数据进行预处理,通过去除直流分量、噪声滤波、抗混叠滤波、时域窗函数等操作,提高信号处理后的振动谱图质量;对预处理后的信号数据进行傅里叶变换,计算出变换后的幅值和频率数据,并绘制对应的振动谱图;利用通道注意力和空间注意力改进Res2Net网络,提取不同关注点下的视觉特征,并基于双线性池化方法进行多特征融合;利用全连接和softmax函数构建分类头,实现轴承故障分类。结果表明:所提出的方法在凯斯西储大学轴承数据集以及德国Paderborn数据集中的精确率分别为98.22%、97.94%,在轴承故障诊断中,所提算法不仅在理论上融合了自动化控制理论与控制工程原理,而且在实践中验证了其在轴承故障诊断中的有效性,为实现轴承故障的早期预警和智能诊断提供了新的技术途径。

关键词： 液压AGC   物联网   深度置信网络   故障诊断   轧制质量   智能控制  

摘要： 厚度控制是决定钢铁产品质量的重要因素,轧机AGC液压系统的各种性能和状态对目标的轧制质量有很大影响。采用基于物联网的深度置信网络的故障诊断方法,用物联网智能控制作为平台,利用无线传感网络技术对各类数据进行实施测控以及远程共享,把采集到的故障信号输入深度置信网络模型,对样本数据进行训练,通过实验仿真准确诊断出故障。经过实验,深度置信网络模型可以适用于轧机AGC这种复杂的系统,保证系统的正常运行,降低设备故障率的同时提高生产效率。

关键词： 新标杆   成功入围   汽车底盘   国际化   关键指标   实力   自研   评选活动  

摘要： 近日,2024中国十佳底盘评选结果正式揭晓,奇瑞瑞虎8L凭借其全自研硬核底盘技术成功入围,并成为唯一入选该榜单的燃油车型,进一步奠定了瑞虎系列中国品牌燃油SUV底盘技术新标杆的行业地位。2024中国十佳底盘评选活动由中国汽车技术研究中心有限公司主办,中汽信息科技(天津)有限公司承办,围绕消费者关心的产品关键指标,评选出具有国际化实力的高端底盘技术,引领汽车底盘领域的创新发展。

关键词： LCD   多尺度信息熵   金豺算法   支持向量机   轴承故障诊断  

摘要： 目的 针对电机滚动轴承故障难以提取而导致诊断准确率低问题,提出了一种局部特征尺度分解(Local Characteristic-scale Decomposition, LCD)多尺度融合的特征提取方法,并将提取得到的特征向量输入到采用金豺算法(Golden Jackal Optimization, GJO)优化后的支持向量机(Support Vector Machine, SVM)里进行电机轴承故障诊断,从而提升故障诊断正确率。方法 首先,使用LCD算法对使用振动传感器采集得到的电机轴承信号进行分解,得到信号在前3个尺度下的内禀尺度分量(Intrinsic Scale Components, ISC);其次,求每个ISC的能量比和能量熵得到6组特征向量;然后,构建特征向量矩阵并按照3∶2随机选取,生成训练集和测试集;最后,把训练集输入到金豺算法优化支持向量机(GJO-SVM)中,采用GJO算法对支持向量机中的惩罚参数C和核参数g进行寻优选择建立出GJO-SVM故障诊断模型,接着将测试集输入到模型中以实现轴承的故障识别。结果 通过仿真实验验证,LCD多尺度融合特征的特征提取方法能够有效地提取电机轴承的故障信息,且使用金豺算法优化支持向量机(GJO-SVM)的故障诊断准确率达97.86%。结论在同样的条件下与变分模态分解(Variational Modal Decomposition,VMD)融合特征相比,LCD多尺度融合特征的诊断准确率提升了1.79%;与粒子群算法优化支持向量机(PSO-SVM)方法、果蝇算法优化支持向量机(FOA-SVM)方法相比,金豺算法优化支持向量机(GJO-SVM)诊断电机轴承故障的方法具有更高的故障识别效果。

关键词： 诊断仪   网络拓扑图   行驶里程   CAN总线   宝马   客户沟通   故障诊断   系统扫描  

摘要： 车型:2020年宝马530Li,配置B48B20D发动机。行驶里程:118000km。故障现象:仪表气囊灯点亮,车辆能正常行驶。故障诊断:车辆到店后,通过与客户沟通并检测,故障现象真实存在。连接诊断仪进行全车系统扫描,发现整个FlexRay总线的节点(模块)都无法通信,网络拓扑图如图1所示。根据诊断仪诊断的结果可以反应出现在FlexRay总线应该处于瘫痪的状态。CAN总线故障大家可能遇到的比较多,FlexRay总线故障遇到的相对来说应该比较少。

关键词： 胶轨列车螺栓   载荷提取   强度校核  

摘要： 针对胶轨列车中多颗螺栓连接结构和单颗螺栓连接结构分别提出了螺栓载荷提取方法。基于工程实际,应用多体ADAMS静力学计算方法对胶轨列车底盘载荷进行分解,并作为其螺栓载荷提取的输入,再将载荷提取结果代入VDI2230标准,开展螺栓强度校核工作。通过对胶轨列车底盘局部螺栓进行分析校核得到了螺栓强度满足要求的结论,且螺栓在实车工程验证阶段未出现问题,说明所提出的螺栓载荷提取方法对车辆底盘结构中螺栓的设计与校核具有现实指导意义。

关键词： 小样本轴承故障诊断   格拉姆角差场   生成对抗网络   注意力机制  

摘要： 针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习,且面对样本数量受限时诊断效果不佳的问题,文中提出了一种基于格拉姆角差场(GADF)和生成对抗网络(GAN)的小样本滚动轴承故障诊断方法。首先,提出了基于GADF变换的数据增强方式,将少数1维振动信号通过GADF变换转换为2维GADF图像,并通过裁剪得到GADF子图,从而得到大量的图像样本;然后,将条件生成对抗网络(CGAN)与带有梯度惩罚的Wasserstein GAN(WGAN-GP)相结合,构建一种新的生成对抗网络,该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性,并设计动态坐标注意力机制以增强模型的空间感知能力,从而生成高质量样本;最后,使用生成的样本对分类器进行训练,并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学(CWRU)数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明,与传统生成对抗网络以及先进的小样本故障诊断方法相比,文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果,可以准确诊断出小样本条件下的轴承故障类型。

关键词： 起重机   倒拉反接制动   制动效果  

摘要： 起重机主要功能为运输货物,并且在工程施工期间,有着十分重要的作用。同时,为了强化起重机提升重物和高空释放的能力,一般情况下,会在起重机倒下降挡设置倒拉反接制动,实现良好制动效果。但是,在起重机倒拉反接制动期间,经常因为起升控制电路中继电器设置准确性较差,出现延时断开等情况,这样后就会导致起重机停止运行,并且上升限位器功能失效,进而引发安全事故。基于此,首先,本文阐述了起重机倒拉反接制动的相关概述以及改进需求;其次,总结了起重机倒拉反接制动存在的问题;最后,根据起重机倒拉反接制动常见问题,提出了改进建议,其目的就是提升起重机倒拉反接制动性能,也希望为相关研究工作,提供一定参考。