课程文献中心 更多>>

摘要： 在国内传统基建和房地产市场仍不景气的大环境下,工程机械行业上市公司在经营层面受到了拖累,为维持业绩稳定,发力海外业务已成为很多公司不二选择. 近日,三一重工因一则减持公告带崩了自己的股价,单日5.52％的股价下跌,不仅创下2022年11月以来最大单日跌幅,且总市值单日也缩水75.43亿元.要知道,在此次下跌前,三一重工股价8月中旬以来在大盘持续下跌调整中还在稳步上涨,阶段涨幅在10％左右.

关键词： 轮式拖拉机   变速箱自动控制   算法设计   仿真验证   燃油效率   鲁棒性  

摘要： 轮式拖拉机变速箱自动控制技术对于提高拖拉机的操作效率和安全性具有重要意义。为此,提出了一种农用轮式拖拉机的数字模型,以及发动机和变速器的自动控制算法。算法基于系统方法,将轮式拖拉机视为一个多子系统组成的复杂系统,包括发动机、变速器、起落架、吊钩负载和操作员的控制动作等子系统,并优化了换挡的逻辑和功能。通过MatLab软件及其应用程序、Simulink、Sim-scape等工具对拖拉机的工作条件进行仿真,对算法进行验证和优化,结果表明:控制算法参数可在拖拉机操作循环中提供最小的燃料消耗率,且具有良好的鲁棒性和稳定性,在各种工作条件下都能够有效工作。研究结果可为提高拖拉机的性能和可靠性、降低维护成本提供一定的理论参考与技术支撑。

关键词： 掘进机   并联机器人   位姿算法   导向定位  

摘要： 针对掘进机推进系统的运动学建模及位姿正解求解难题,采用简化等效模型法进行建模,该简化模型能够显著降低运动学建模的复杂性,并通过并联机器人模型算法进行位姿解算。主要研究了一种基于八字形油缸设计的并联机器人掘进机位姿算法,并联机器人模型算法则提高了位姿求解的精度,该算法模型通过油缸的并联驱动,实现了对设备位姿的精确控制,从而提高了隧道掘进的效率和精度。研究结果表明,本文提出的掘进机并联机器人算法,可实现掘进机的导向定位工作,为施工过程中保证施工精度和安全以及设备纠偏提供了依据。

关键词： 绝缘栅双极型晶体管   异常检测   故障诊断   可靠性  

摘要： 绝缘栅双极型晶体管广泛应用于航空航天、武器装备、现代工业、交通运输和电力系统等领域。由于其工作环境复杂，IGBT极易发生异常并导致系统故障，甚至引发重大的经济损失与人员伤亡。因此，IGBT的故障检测引起了研究人员的广泛关注和高度重视。但是，目前针对IGBT故障检测技术的系统性综述较稀缺，阻碍了实际工程人员对其深层次的了解与认知。因此，该综述从方法的角度对IGBT故障检测相关研究成果进行了系统性的回顾：首先对IGBT的基本结构、工作原理以及常见失效机制进行了概述；其次，将IGBT故障检测技术基于检测方法的差异分为三大类，并总结了各类方法的优点与不足；最后，结合当前技术发展的现状，对IGBT故障检测领域的挑战与展望进行了深层次的剖析。

关键词： 轴承故障诊断   灰度特征图   SqueezeNet模型   注意力机制   轻量化  

摘要： 目前基于深度学习的故障诊断方法普遍存在模型参数量大和诊断时间长、在噪声环境下诊断性能也会大打折扣的问题，本文提出一种快速、轻量的智能化诊断模型进行滚动轴承故障诊断。首先利用鱼鹰优化算法（OOA）优化变分模态分解（VMD）的参数，进而基于固有模态函数(IMF)分量设计一种多频带灰度特征图，然后基于有效注意力通道(ECA)模块设计一种残差注意力机制（RAM）模块，并集成到SqueezeNet模型中，使用K最近邻（KNN）代替Softmax函数对故障进行识别与分类，建立RSqueezeNet-KNN模型。两组实验结果表明，在噪声环境下，该模型对比其他方法能够实现轻量化应用，具有优秀的诊断性能。

关键词： 大直径TBM   TBM超小半径转弯   TBM回退   TBM操作  

摘要： 为解决某隧洞工程9 m直径TBM施工R100 m大角度水平转弯、长距离快速回退、洞内二次始发的难题,设计一种大直径、超小半径转弯、可回退TBM及其配套的出渣、物料运输系统。该TBM在双护盾TBM基础上,取消尾护盾、辅推油缸、管片拼装机,同时结合了敞开式TBM的拱锚网喷支护系统,并进行一系列针对性设计,包括刀盘扩挖、阶梯式盾体、铰接前盾尾壳、可摆动扭矩梁、后配套拖车转向轮对、短喷混桥、小转弯皮带机、出渣系统、可收缩前盾、盾体姿态调节液压系统、可路径预测和纠偏的导向系统、盾体循迹控制系统。该TBM成功完成总长270m的100 m半径转弯施工和2 000 m回退,并形成一套小转弯掘进、回退施工的理论计算、掘进参数、设备操作经验、施工管理措施。

关键词： 故障诊断   并行双通道   多模态融合   格拉姆角场   自注意力机制  

摘要： 针对单一通道解释数据存在不全面性、难以达到较高的诊断准确率且在实际生产中旋转机械轴承故障信号微弱易被噪声淹没的问题，提出了一种利用图像和时序信号分别进行特征提取、融合分类的并行双通道电机轴承故障分类方法。在该方法中，首先，采用格拉姆角场(GAF)将时序信号转化为二维图像，随后将一维信号和二维图像同时输入到并行双通道模型中。其中，第一个通道采用卷积神经网络(CNN)模型提取空间信息；第二个通道采用门控循环单元(GRU)挖掘振动信号中的时序特征。最后，将两个通道提取的时空特征融合并引入多头自注意力机制进行训练。基于公开和实测数据集的实验结果表明：该诊断方法在多种工况下对故障类型的诊断平均准确率高达98.13%；与单通道模型相比，该模型诊断率平均提高25.16%，具有更高的准确率和鲁棒性。