课程文献中心 更多>>

关键词： 灯泡贯流式水电机组   变分模态分解   故障诊断   优化算法  

摘要： 针对灯泡贯流式水电机组缺乏故障诊断方法,采用转子故障平台模拟机组典型故障作为依据。结合混沌映射(Chaotic map)优化的减法平均器(SABO)优化变分模态分解(VMD)对原始数据进行分解。对得到的分量采用多尺度样本熵的计算,结果输入到多策略改进的蝴蝶优化算法(BOA)优化的BP神经网络中进行故障诊断和分类识别。结果表明,诊断结果为98.75%,明显优于未优化模型。该项研究可以对现有灯泡贯流式水电机组故障诊断方法进行有价值的补充。

关键词： 封闭式气体绝缘开关   蚁群算法   BP神经网络   故障诊断  

摘要： 针对封闭式气体绝缘开关装置(gas insulated switchgear,GIS)局部放电造成的停电问题,提出了一种利用改进蚁群算法(improved ant colony algorithm,IACA)优化BP神经网络的GIS局部放电故障诊断方法。首先,提取GIS局部放电特征参量,并采用主成分分析法进行降维处理,旨在降低诊断方法的计算量;然后,针对BP神经网络性能容易受权重与偏置的影响,采用改进蚁群算法进行参数优化,并将降维数据作为样本输入优化后的BP神经网络,进行故障分类诊断;最后,通过实验验证发现,相比原算法,本文所提方法故障识别准确率明显得到改善,且其平均准确率达到了96.5%。

关键词： 深度学习   继电保护   故障诊断   卷积神经网络  

摘要： 本文探讨了一种基于深度学习的继电保护故障诊断方法,旨在克服传统方法的局限性,如依赖专家经验和实时性不足。通过构建结合卷积神经网络和长短期记忆网络的深度学习模型,实现了对电力系统故障的自动识别和智能决策,提高了继电保护的可靠性和效率。实验结果显示,该方法在典型故障检出精度、速度和漏检率上表现出色,验证了其在应对电力系统复杂故障时的高效与精准。

关键词： 少样本学习   故障诊断   自监督学习   表征学习  

摘要： 目前机器学习技术已被广泛应用于工业智能故障诊断中,但其成功应用的前提条件是能够获取到充足的含标签故障数据以对机器学习模型进行训练.实际工业场景中,设备常运行于正常状态,故障数据的获取与标注成本巨大,无法达到模型训练的需求.现有少样本诊断方法通常依赖于额外的有标签数据,无法克服工业场景下的数据采集与标注局限.对此,挖掘关键时序依赖特征以及专家先验知识与故障诊断任务之间的内在关联,提出一种知识自监督深度表征学习方法以实现少样本故障诊断.该方法设计了一个掩码信号重构与先验特征预测多任务联合的模型预训练策略,利用与目标设备类似设备积累的海量历史无标签数据对工业智能故障诊断模型中的特征提取器模型进行预训练,使得模型在无需额外标注数据的前提下,提取具有专家先验知识引导的时序变化模式,从而获取高泛化故障表征能力.通过上述基于知识自监督表征的预训练方法,在诊断过程中仅需利用目标设备的少量有标签故障样本对模型的全局参数进行微调,从而克服模型对有标签样本的依赖性难题.最后,通过一个跨数据集的故障诊断实验来模拟跨设备的少样本故障诊断场景,验证所提出方法在少样本场景下的有效性.

关键词： 间-甲粘合体系   工程机械斜交轮胎   胎侧胶   物理性能   生热   粘合强度  

摘要： 研究间-甲粘合体系在工程机械斜交轮胎胎侧胶中的应用。结果表明:在胎侧胶配方中添加间-甲粘合体系并适当增大硫黄用量,胶料的硫化特性变化不大,交联密度提高;硫化胶的定伸应力和拉伸强度基本不变,撕裂强度、耐疲劳性能、耐热老化性能和耐屈挠裂口增长性能提升,生热降低,耐臭氧老化性能不变;胎侧胶与帘布间的粘合强度提高。

关键词： 双护盾隧道掘进机(TBM)   TBM卡机   不良地质灾害   观测系统   综合预报体系   现场应用  

摘要： 双护盾隧道掘进机(tunnel boring machine,TBM)对不良地质的适应性较差,如遇突泥涌水、围岩破碎垮塌等不良地质灾害时,极易发生TBM卡机,造成工期延误和经济损失。以兰州水源地工程为研究背景,结合双护盾TBM施工特点,分析电磁干扰、护盾较长、管片支护等因素影响,利用TBM刀盘孔和管片注浆孔,结合辅助装置,改进地震波法和电阻率法观测系统,提出了适用于双护盾TBM综合预报体系。研究结果表明:综合超前地质体系较好地适应了双护盾TBM施工特点,且能有效识别前方破碎带和地下水的发育情况,结合现场应用实例,验证了该方法的可行性和有效性,可供同类工程借鉴与参考。

关键词： 煤矿   开采技术   掘进支护技术  

摘要： 煤矿是我国经济发展的重要能源之一。煤矿开采过程中,由于多种因素影响,势必存在安全风险,例如冒顶事故、瓦斯泄漏等,上述现象会对煤矿作业人员造成威胁。因此,科学利用开采技术和掘进支护技术成为煤矿行业发展重点。文章基于当前技术发展水平,阐述煤矿开采技术和掘进支护技术具体信息及应用情况,旨在为我国煤炭行业持续发展提供更多参考。

关键词： 多源故障分离   共振稀疏分解   最大二阶循环平稳盲解卷积   松鼠算法   行星齿轮箱  

摘要： 针对行星齿轮箱多振源耦合导致故障源辨识困难、较弱故障特征容易被噪声和较强故障特征掩盖,以及由传播路径引起的信号衰减导致的故障特征微弱等问题,提出一种自适应参数优化的共振稀疏分解(RSSD)和最大二阶循环平稳盲解卷积(CYCBD)的行星齿轮箱多故障耦合信号分离及诊断算法。根据轴承和齿轮故障的不同共振属性,用RSSD算法将多故障耦合信号分解为包含齿轮故障特征的高共振分量和主要包含轴承故障特征的低共振分量后,通过CYCBD算法分别对高、低分量进行解卷积,消除传播路径影响和噪声干扰,实现微弱故障特征的增强和提取。特别地,针对RSSD和CYCBD中参数优化困难、依赖人工经验和自适应差等问题,使用基于松鼠算法(SSA)对参数进行自适应优化选取,设计了融合包络谱峭度、自相关函数最大值均方根和特征频率比在内的复合指标作为优化目标。对解卷积后的信号进行包络解调提取故障特征频率,识别不同故障源。通过行星齿轮箱多故障模拟信号和实测信号验证了所提算法的有效性和可行性,进一步地,将所提算法集成在边缘计算设备中,为行星齿轮箱等旋转机械的状态检测诊断及远程运维提供解决方案。

关键词： 人工智能   电磁无损监测   港口起重机   钢丝绳   安全监测  

摘要： 在传统的检测手段存在效率低准确性难以保证的情况下,该研究在 AI数据处理能力和电磁无损探测技术的基础上,对钢丝绳缺陷进行了高效准确定位和诊断。利用非接触式强磁漏磁探测传感器来识别钢丝绳的磨损断丝等损害情况,并通过深度学习算法对检测数据进行分析处理提高缺陷识别的精确性和检测速度。本研究成果的成功实施对港口起重机钢丝绳的安全监控起到了重要的促进作用,也为在其他领域的电磁无损探测技术的应用提供了新的思路和途径。因此本研究为有效促进钢丝绳的缺陷探测和安全管理提供了有力的理论和实践基础。

关键词： 比亚迪   底盘   核心技术   全功能   越野  

摘要： 近日,在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)有限公司承办的“2024中国十佳底盘评选”活动中,方程豹豹8荣获“最佳架构奖”和“2024中国十佳底盘”两项大奖。除了近期公布将成为比亚迪旗下华为智驾首搭车型外,豹8还将搭载两大性能科技上市,分别是2.0T DMO电驱越野开创平台和全功能版云辇-P智能液压车身控制系统。融合这两大核心技术优势,凭借着性能科技的强大实力,豹8也将为用户带来家庭全场景出行和智能越野体验,两者完美兼顾智能硬派新生活。