基于FDD模型的掘进机截割减速器油液状态评估研究

掘进机截割减速器的可靠运行与润滑油状态息息相关,为合理评估油液状态,依据粘度、水分、颗粒数三种油液指标,提出了一种基于模糊深度学习模型(FDD)的油液状态评估方法。首先,按照单个指标将油液状态划分为四个等级,根据模糊综合评估法进行模糊评估;其次,将各指标数据进行归一化处理,作为深度神经网络的输入,再运用ReLU激活函数对网络进行激活,得到一个过拟合的神经网络;然后利用Dropout层特性,降低网络拟合程度,同时使用遗传算法对模型中的超参进行优化。最后,使用仿真数据对模型进行训练,并利用实际数据对模型进行验证。结果表明,该方法对油液状态的平均预测精度达到97%,数据损失0.0018,解决了由于多指标信息不一致导致油液状态表征困难及数据较少情况下神经网络训练困难的问题。

三线圈式电磁磨粒传感器结构优化及信号增强

【目的】为提高电磁磨粒传感器对微小颗粒的检测精度,对一激两感三线圈式电磁磨粒传感器感应信号的影响因素进行了研究,提出结构优化和信号增强的措施。【方法】首先建立了一激两感三线圈式电磁磨粒传感器的数学模型并对该模型进行了仿真和验证;其次对不同大小的磨粒和磨粒的不同径向位置进行了实验研究,分别得出磨粒尺寸和径向位置与输出信号的关系;最后通过有限元分析研究了不同结构参数下输出信号的变化规律,提出传感器的参数优化方案并进行验证,同时设计了传感器的屏蔽结构。【结果】结果表明,优化后的传感器输出信号的强度比优化前提高了13.75倍,可以检测到的铁磁磨粒最小直径为82.26μm,非铁磁磨粒最小直径为294.38μm.研究结果有助于提高电磁磨粒传感器对微小磨粒的检测精度。

基于GDAU模型的掘进机截割减速器齿轮剩余寿命预测

掘进机截割减速器的齿轮容易过早损坏。提出一种基于齿轮油磨粒信息建立的门控双注意单元(GDAU)模型,可用于解决齿轮的剩余寿命预测问题。利用掘进机截割减速器试验台对该模型进行试验验证。与长短时记忆(LSTM)网络和门控递归单元(GRU)神经网络进行对比,结果表明,GDAU模型对齿轮剩余寿命的预测效果更好,在较短时间内能够迅速收敛,其损失量仅有0.0016,与LSTM和GRU模型相比有更快的收敛速度及更高的预测精度。

基于DPD-1DCNN的行星齿轮箱故障诊断方法研究

基于数据驱动的故障诊断方法已被广泛应用于旋转机械零部件故障诊断领域。目前,大多数诊断方法主要依赖于定长数据分割产生的大量数据,但分割的数据通常为短周期的小片段信号,而实际长周期冗余信号由于数据尺度不匹配,无法直接作为测试样本进行故障识别。针对以上不足,提出了一种新的基于数据概率密度与一维卷积神经网络(Data Probability Density and One-Dimensional Convolutional Neural Network,DPD-1DCNN)的故障诊断方法,其具有两个特点:①提取信号的密度特征可抵抗数据的冗余;②适应不同长度的冗余信号可作为诊断模型的输入。该方法采用DDS试验台产生的行星齿轮箱故障数据进行了验证;其在保证高诊断精度的同时,又增强了诊断模型的适应性。

城镇化路上的软障碍

城镇化是2013年全国“两会”的热点话题。李克强总理认为“城镇化是中国现代化进程中一个基本问题”，众多专业人士也认为城镇化与拉动内需、调整产业结构等众多方面密切相关。但对于我这种普通老百姓而言，微观层面的话题或许更具有吸引力。

某大跨度钢结构采光顶工程测试与分析

随着玻璃采光顶越来越广泛的应用于建筑屋面,采光顶形式也越来越多样化,采光顶结构的安全性也越来越受到关注。本文介绍了对某商业广场圆形采光顶吊顶进行的吊挂试验,通过对荷载试验的方案、程序及检测结果进行分析,得出在吊挂荷载作用下采光顶钢梁挠度与应变的变化情况,从而为后续施工LED显示屏及广告牌提供依据。

某体育场钢结构网架安全性检测与评估

针对某体育场既有钢结构挑蓬网架的安全现状,现场进行了结构及构件尺寸偏差、外观质量、支座杆件涂层厚度、连接件焊缝探伤和整体结构变形的检测,并综合设计资料和实测结果进行了结构计算复核。结果表明:主、副看台钢结构网架锈蚀普遍、分布范围广;主看台整体变形符合规范要求,副看台挑蓬变形较大超出规范允许值,MST2016钢结构网架有限元模型结构承载力计算分析结果满足限值要求;结构的安全等级判定为B su级,略低于标准要求,整体承载力未受到显著影响。

某砖混住宅楼裂缝检测与加固建议

对某砖混住宅楼建造、使用情况及产生裂缝的原因进行初步调查,对该住宅楼周边环境及水源点、垂直度、相对水平变形、裂缝宽度及分布进行检测,并对住宅楼沉降进行观测。分析结果表明,裂缝产生的原因是由于住宅楼周边排水不畅,室外雨水浸入经处理后的湿陷性黄土地基,引起地基不均匀沉降。最后提出了一些加固处理建议。