新工科背景下电路原理课程思政建设与实践

在新工科建设大背景下,进行电路原理课程思政建设和实践,基于课程特点探讨课程思政建设的设计思路、遇到的主要问题及解决方案,介绍课程思政的具体实施路径,进行教学效果总结与反思。以课程思政建设为推手,进行面向技术前沿、培养科学思维、紧密结合工程实例的课程内容体系全面提升,实现更好的育人效果。

采用量化任务驱动的混合式教学研究——以“电路原理实验”课程为例

线上线下混合式教学是目前高校常见的教学模式,但在其应用中学生的学习效果特别是线上部分难以保证。任务驱动式教学是一种通过任务来引导学生主动应用学习资源进行探究的教学方法。探索了在混合式教学中应用量化任务驱动的教学方法,教师预先对每一环节进行任务设定,且任务采用可量化评价的问卷或题目形式,形成清晰的评价目标,引导学生主动有效地学习。此方法在“电路原理实验”课程教改实践中取得了较好的效果。

基于声发射信号的风机叶片裂纹定位分析

为能够及时有效地监测并识别风机叶片裂纹的位置以及强度,讨论了风机叶片上声发射传感器测点优化布局方案,以及基于无线传感网络的信号采集实现,探讨了声发射信号分析和特征提取方法。在分析现有裂纹定位方法特点的基础上,提出了一种针对声发射信号进行小波分析判别风机叶片裂纹位置及其强度的方法。通过实验数据验证了该方法不仅能够实现裂纹位置及其强度的定位,而且与传统方法相比该方法提高了精确性。

ZigBee无线传感网络在机泵智能监测中的应用

为了解决当前在线诊断系统受到现场条件限制,检测点不易更改和扩充,在恶劣和危险环境难以推广等问题,提出了基于ZigBee技术的无线监测系统设计方法。对振动传感器进行设计,对振动信号的采集、处理方法进行研究,为ZigBee网络降低了数据流量。在此基础上组建ZigBee网络,用于数据的传输,并引入WiFi作为ZigBee网络与现场服务器的接入手段。实验结果表明,该系统可以有效的完成数据的采集和无线传输,并及时的检测出设备的异常状态。

故障诊断专家系统中的模糊推理算法

目的 研究故障诊断专家系统的模糊推理算法 .方法 将正常推理和臆测推理中多种情况分开处理 ,采用反向符号推理和正向数字推理相结合的方法 ,并利用模糊理论设计证据输入接口 .结果 提出了一种故障诊断模糊综合推理算法 ,开发了 FMS故障诊断专家系统 .结论 理论分析及应用表明 ,该算法在故障诊断领域具有通用性和高效性 .

基于HMM与改进距离测度法的齿轮箱故障诊断

提出基于隐马尔科夫模型(Hidden Markov Model,HMM)与改进距离测度法的齿轮箱故障诊断新方法。在改进的距离测度方法中通过两约束因子调整特征参数灵敏度的评价函数,通过评价函数获得最优特征参数子集,完成对特征参数降维;利用最优特征参数子集训练获得齿轮箱各状态下Markov模型;计算测试数据在各模型的对数似然概率,据概率值大小判断故障类型。齿轮箱验证实验结果表明,改进距离测度法与HMM方法结合能有效识别齿轮箱轴不对中、断齿、磨损等多故障模式,适用性较高,可用于实际齿轮箱系统故障诊断。

基于半监督极限学习机的轴承故障诊断

鉴于在实际的应用中滚动轴承的故障信号所属的类别往往是未知的,而且为了得到一定的测试数据需要花费大量的时间,甚至对机械设备造成了一些损害。利用极限学习机训练速度快且泛化能力强的特点,提出了一种基于半监督极限学习机的滚动轴承故障诊断方法,该方法允许在有少量带标签的轴承故障数据的情况下,将带标签的历史数据与新采集到的部分未带标签的数据一起用来训练得到一个最优的诊断模型。首先通过相空间重构将原始一维信号映射到一个高维的相空间,在相空间中提取初始的轴承特征集,然后将特征集输入半监督的极限学习机中进行训练和测试。实验结果表明,这种基于半监督算法的诊断模型简单,在神经元个数较少的情况下仍然具有很好的泛化能力,具有一定的应用价值。

FMS柔性加工设备状态监测和预测技术研究

通过对FMS柔性加工设备的故障机理分析，针对目前柔性加工设备状态监测与故障诊断中存在的问题，从硬件报警、软件报警和传感信号三方面，具体分析了BQ-FMS立式加工中心可利用的监测信息和工况变化处理策略，利用域值判断、神经网络等方法，研究了传感信号的监测顺序及检测方法，提出了多方位监测信息融合的思想，并利用灰色理论和神经网络方法对信号进行预测，应用专家系统技术建立了自动诊断系统。经长春FMS实验中心的实验表明，该方法快速可靠。

基于GA改进DHMM和KPCA-RS的滚动轴承智能诊断方法研究

为实现滚动轴承故障智能诊断,提出了一种基于核主元分析法(KPCA)、粗糙集(RS)和遗传算法(GA)改进离散隐马尔科夫模型(DHMM)的智能诊断方法。通过使用混合核函数的KPCA和RS对时域、频域参数进行约简,构造敏感性高、稳定性强,并能准确表征轴承状态的特征参数矩阵。应用GA优化了DHMM,克服了DHMM训练算法容易陷入局部极小的缺点。最后应用GA优化的DHMM训练算法得到的滚动轴承各状态下的DHMM,并通过比较测试样本在各DHMM下的对数似然概率,实现了轴承故障类型的有效识别。实验结果表明,该方法可以有效地识别滚动轴承的状态,具有较强的适用性。

以实验案例设计为抓手提升教师工程实践能力

新工科理念注重工程教育的新理念、新结构、新模式的发展,注重工程教育的创新性、专业性和综合性相结合,目标是培养创新型工程科技人才。在新工科建设背景下,北京化工大学十分重视一流专业建设、专业评估和学科发展工作,特别重视培养学生的工程实践能力和素养,举措之一就是研究如何提升实验教师的工程实践能力和项目研发能力。该文以案例设计和混合式教学为抓手研究提升实验教师工程实践能力的途径,总结一套可推广的实验教师、实验技术人员创新实践能力的培训体系。

基于KPCA及改进蚁群遗传算法的齿轮箱故障诊断

鉴于齿轮箱系统的复杂性和齿轮箱故障信号的多样性,提出一种基于KPCA和改进蚁群遗传算法(LACG)相结合的齿轮箱故障诊断新方法。通过KPCA去掉原始故障参数集中的冗余信息,再利用IACG算法找出降维后参数的最优解。IACG算法改进了传统蚁群算法中的概率转移公式,通过增加区域目标函数值,提高了转移运算的效率和准确率;LACG算法增加了局部搜索功能,计算得到的蚂蚁解与遗传算法的均匀两点交叉算子相结合,减少了算法的搜索时间,扩大了搜索空间,使得收敛效果更趋近最优解。实验结果表明,KPCA与IACG相结合的算法可以有效识别齿轮箱故障,相对于传统的蚁群算法,其运算效率和准确率有很大提高。

基于MC9S08DZ60的CAN总线振动传感器设计

基于单片机MC9S08DZ60和收发器TJA1040,遵循CAN总线协议,设计一款振动传感器。详细介绍整个系统的设计方案及各个模块的硬件电路和软件实现。采集到的数据由CAN总线上传至主控机存储,便于进行分析整理。测试表明,该设备响应快、传输精度高,具有CAN总线实时、可靠、灵活的特点,为生产提供了安全保障。

基于词袋模型和极限学习机的轴承故障诊断

特征提取为设备故障诊断的关键步骤,现有特征提取主要基于时域、频域和时频域方法,但在噪声大、混合故障多发、变转速等复杂工况下应用受限。提出一种基于词袋模型(BoW,bag of words)的振动信号故障诊断方法。该方法改变了传统基于一维信号进行故障诊断的模式,首先将一维振动信号转换成二维灰度图像信号,结合图像处理的方法来实现故障诊断。同时针对一维振动信号升维的过程中忽略了信号的空间特性这一不足,引入极限学习机对算法优化,并以滚动轴承为研究对象验证了方法的有效性。

基于MOMEDA与双谱分析的滚动轴承早期故障诊断

滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。

基于MFCCS和改进VPMCD的滚动轴承故障诊断

将梅尔倒谱和系数(MFCCS)与改进的基于变量预测模型的模式识别算法(VPMCD)相结合,提出了一种滚动轴承故障的诊断方法。将语音信号识别中最常用的特征参数梅尔倒谱系数(MFCC)应用到轴承故障诊断领域,提出了适用于滚动轴承故障识别的特征参数梅尔倒谱和系数。同时,采用主成分分析(PCA)方法来解决VPMCD方法中求解得到的预测模型方程系数与理想系数存在偏差的问题。然后,使用改进的VPMCD算法对特征参数进行训练,再利用预测模型对待诊断样本数据进行模式识别和诊断,并用实验室模拟试验台的数据,对该方法进行了验证,实验结果能够有效区分轴承的故障种类,证明了方法的有效性。

FMS故障诊断专家系统知识获取子系统的开发

知识获取一直是专家系统建造中的瓶颈问题 ,本文主要研究了专家系统的知识获取技术 ,提出了基于例子学习和指导学习相结合的机器学习方法 ,并将其应用到FMS故障诊断专家系统中 ,使得该专家系统在运行的过程中能够根据现场的情况不断更新和优化知识库中的知识 。

FMS设备远程故障诊断技术研究

基于Internet的FMS远程故障诊断技术,关键是建立基于网络的设备远程故障检测与诊断系统。而远程故障诊断可分为实时诊断和远程查询诊断模式,其中查询诊断模式又包括直接访问远程诊断中心网站专家系统和申请专家进行会诊两种。并提出了设备远程故障诊断系统的总体框架是以若干台中心计算机作为服务器,在企业的关键设备上建立状态监测点,采集设备状态数据;监测信息的流向为现场监测系统—企业局域网—国际互联网—远程诊断中心—诊断专家。所建立的长春55研究所FMS国家重点实验室的设备远程故障诊断实验系统,包括音频和视频信号等的数据传输,并应用了NetMeeting、LabVIEW等相关技术。

FMS智能故障诊断专家系统的建立和开发

采用基于人工智能的故障诊断专家系统方法 ,附以模糊数学、神经网络、机器学习、数据库等理论 ,解决故障诊断中知识的合理表达 ,基于符号和数值的多种快速推理机制 ,知识的自动获取及知识库智能化管理等关键技术 。

基于嵌入式系统的网络化用电管理系统

提出了一种基于校园网络的学生宿舍用电管理系统。通过现场控制站采集电表数据,该控制站再通过网络接口连接到校园网上,节能办的管理系统通过校园网访问任意的现场操作站,从而可以对某块电表进行远程设置,并读取电表的实时数据。讨论了系统的构成,并对现场控制站采用的嵌入式硬件和软件系统的组成进行了分析,通过这些技术提高了系统的稳定性。

FMS设备的预防维修策略研究

国家重点实验室长春BQ-FMS生产线目前主要采取事后维修的方法,该方法却可能出现维修不足造成故障发生导致设备的损坏,又有可能出现维修过剩影响部件的寿命造成浪费。针对这种情况,通过对FMS系统可靠性分析的基础上,进行了系统的可靠性、维修性分配,并对FMS中主要设备的常见故障模式及其影响进行分析,在保证系统可靠性的基础上对每个系统建立了相应的可靠性维修性数学模型,最后建立了预防维修计划,并作为一个模块加入离线诊断专家系统,定期指导用户进行维修。