课程文献中心 更多>>

关键词： 卷积神经网络   CEEMDAN   连续小波变换(CWT)   注意力机制   迁移学习  

摘要： 针对齿轮箱早期故障特征难于提取，传统卷积神经网络（Convolutional Neural Network，CNN）难于直接利用微弱故障特征实现故障诊断与分类的问题，提出了一种基于注意力机制改进的迁移学习模型。首先，利用自适应白噪声完备集合经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）和小波阈值相结合用于去噪，提取齿轮箱早期微弱故障特征信号；其次，对去噪后的信号进行小波时频分析，通过连续小波变换（Continuous Wavelet Transform，CWT）将一维信号转变为二维小波尺度图用于构建样本集；最后，在迁移学习模型中嵌入自注意力层，用于增强模型对故障特征的关注度，并在齿轮箱内部齿轮副故障数据子集和轴承故障数据子集上进行验证。结果表明，模型嵌入自注意力模块后，能提高模型的诊断精度，平均分类准确率比普通迁移学习模型提高1.5%，比未经过预训练的GoogleNet模型提高2.65%，证明在迁移学习模型中嵌入自注意力模块来改善网络性能的方法是可行的。

关键词： 公路   机械设备   成本控制  

摘要： 近年来,城市化进程加快,民众生活条件改善.与此同时,民众的出行需求上升.为满足民众生产生活需求,道路工程项目数量增多,工程规模有所扩大.在当前道路行业市场竞争日益激烈的形势下,道路工程施工单位需要在保障施工质量的同时,加强对施工成本的控制.在道路工程施工成本中,机械设备施工成本的占比较高.受多种因素的影响,仍有部分公路工程项目忽视对机械设备施工成本的控制.基于此,首先阐述公路工程机械设备施工成本控制的意义.其次,分析公路工程机械设备施工成本控制现状.最后,研究公路工程机械设备施工成本控制措施.

关键词： 公路工程   机械管理   养护  

摘要： 公路工程机械的有效管理与养护对于确保工程顺利进行和延长设备使用寿命至关重要.针对公路工程机械管理中存在的问题,如运行机制不完善、设备利用效率低下及维保不足,提出了一系列管理与养护要点,包括合理选型与配置机械设备、加强日常管理与维护、提高操作人员技能、更新淘汰老旧设备以及制定科学的养护计划等,同时,探讨了信息化技术、自动化养护设备及管理模式创新在现代化管理中的应用,旨在提升管理效率和养护质量,以期为公路工程机械管理与养护提供全面而高效的解决方案.

关键词： 岩石力学   北山地下实验室   TBM滚刀破岩裂纹   CT扫描   电镜扫描   荧光显像测试  

摘要： 我国首座用于高放废物地质处置技术研发的北山地下实验室，其斜坡道采用全断面隧道掘进机(TBM)“北山1号”开挖。本文以斜坡道洞壁钻孔岩芯为研究对象，通过CT扫描、电镜扫描和荧光显像测试等技术手段，分析了TBM边刀破岩作用下花岗岩围岩的裂纹特征。试验结果表明，TBM边刀破岩形成的裂纹率很低，约为0.13%～0.35%，且多为等效直径低于120μm的微裂纹。边刀破岩形成的裂纹主要分布于滚刀刀槽的正下方，且相邻刀槽底部的中间主裂纹基本不会连通，尤其是相邻刀槽下的裂纹密集区相隔较远。岩石内部裂纹大部分穿过矿物颗粒进行扩展，但在距开挖面较远的、强度较高的石英颗粒附近，裂纹会优先沿着矿物边界耗能较小的方向进行扩展。边刀破岩形成的压碎区和裂纹密集区呈非对称锥形分布，中间主裂纹的倾斜角度与边刀的安装角度相关。三种方法测得由边刀破岩造成的裂纹扩展深度均不超过1.60 cm，其中电镜扫描测试的精度最高，CT扫描与荧光显像法的测试精度接近，但荧光显像测试中裂纹与完整岩石的对比度更高，更有利于裂纹的提取和测量。

关键词： 公路工程   机械设备   安全管理   保养维修  

摘要： 机械设备是公路工程建设期间的基础保障,加强机械设备安全管理,配套落实保养维修措施,能够进一步提高机械设备运行效率,减少设备老化、故障等所导致的工程延期、质量低下等问题,为公路工程建设提供可靠保障.基于此,分别阐述了公路工程机械设备安全管理与保养维修的重要性、现状以及优化策略,旨在规范公路机械操作流程,提高设备运行效率,以供参考.

关键词： 设备故障诊断   设备健康管理   BP神经网络   遗传算法  

摘要： 针对目前设备管理存在的故障处理周期长，维护保养任务重，维修成本高的现状，构建了设备故障诊断与健康管理架构，包括设备层、感知层、数据处理及存储层、数据分析层和应用层。其中，在数据分析层，综合采用BP神经网络和遗传算法，建立了设备故障诊断与健康管理模型。最后，以机电设备振动数据为例，进行设备故障诊断模型的预测结果分析，从而验证了该模型的可行性。研究结果表明：（1）该模型能够提高设备故障诊断正确率，具有较好的故障诊断效果；（2）设备预测健康状态与实际健康状态的变化趋势基本保持一致，重合率大于90%。研究成果可为制造企业的设备故障诊断与健康管理提供相关策略，有效排除故障问题，降低管理成本。

关键词： 故障诊断   蝗虫优化算法   核极限学习机   小波包变换   奇异值分解   混沌映射   模拟退火算法  

摘要： 针对模拟电路故障诊断过程中存在特征难以提取和故障分类效率低下的问题，提出了一种基于改进蝗虫优化算法（Improved Grasshopper Optimization Algorithm，IGOA）和核极限学习机（Kernel Based Extreme Learning Machine，KELM）的模拟电路故障诊断方法。首先，采用小波包变换（Wavelet Packet Transformation，WPT）和奇异值分解（Singular Value Decomposition，SVD）相结合的方法对电路输出信号进行特征提取，并生成样本数据；其次，通过引入Cubic混沌映射、非线性控制因子和模拟退火算法实现对GOA的改进；最后利用IGOA对KELM进行参数寻优，并建立IGOA-KELM故障诊断模型，完成对两个基准电路各类故障的诊断。仿真实验结果表明，该方法对于这两个基准电路的诊断准确率可以达到99.44%和98.88%，对比其他方法，可以显著提高模拟电路故障诊断的准确率。

关键词： 可变形卷积   鲁棒性   泛化能力   故障诊断  

摘要： 齿轮作为工业领域中机械系统的关键部件，对其进行故障诊断以预防事故发生至关重要。在复杂噪声背景下，针对卷积神经网络在卷积过程中感受野受限，以及对带有噪声的特征图的形变适应能力不足等问题，本文提出了一种基于可变形卷积网络 (deformable convolutional network， DCN)的齿轮故障诊断方法。首先，为了提高其对高阶故障特征形变的适应能力，在5层卷积架构的基础上，将模型最后一层的卷积层换作可变形卷积层，实现对特征图采样位置的动态调整。其次，为了避免网络在训练时出现的梯度消失问题，又将每一层的卷积层后加批标准化 (batch normalization， BN)层处理。最后，通过在东南大学齿轮箱数据集进行实验验证，结果表明，本文的网络模型表现出较好的鲁棒性和泛化能力。

关键词： 列车安全   频带划分   目标函数优化   迭代初值   故障诊断  

摘要： 针对变转速工况下频谱模糊以及健康指标对冲击噪声敏感的问题，提出一种变速工况下基于多节点网络结构的轴箱轴承振动重复瞬态特征提取方法。首先，基于1/3二叉树结构对原始信号频谱进行划分得到子频带，将各子频带对应的滤波器系数作为迭代初值形成多节点网络结构。然后，采用梯度下降法对基于均值峭度的目标函数进行求解，得到不同迭代初值的目标函数解。之后，选取最优目标函数解对应的滤波器系数对原始信号进行滤波包络分析。需要说明的是在变速工况下，通过对采集数据进行角度域重采样的方式完成预处理。最后，通过变转速和恒速的仿真以及试验数据对所提方法进行测试，结果表明所提方法可以实现复杂工况下振动重复瞬态成分的提取及轴承状态判别。