面向滚动轴承故障诊断的改进对抗迁移学习算法研究

为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积结构替换全连接神经网络,以对抗训练的方式减少训练数据和测试数据间的分布差异,以提高故障诊断精度。将改进后的模型应用于两个滚动轴承故障诊断案例中,通过添加不同信噪比的噪声信号验证提出的模型具有良好的抗干扰能力,同时以故障分类准确率作为指标,验证该模型具有更高的诊断精度和鲁棒性。

云南竹灵芝中的总黄酮的提取研究

本实验主要研究了超声波辅助提取云南竹灵芝中总黄酮的提取工艺,先通过单因素实验确定料液比、超声时间、乙醇浓度、超声温度对灵芝中总黄酮提取效果的影响,再利用正交实验法优化得出最佳提取工艺条件。根据正交实验的结果,各因素对灵芝中总黄酮的提取影响由大到小依次为料液比>乙醇浓度>超声温度>超声时间,最佳提取工艺为料液比1∶50,超声时间60 min,乙醇浓度70%,超声温度50℃。此时竹灵芝中总黄酮的得率可达7.269 mg/g。

基于改进对抗迁移学习的滚动轴承故障诊断研究

为解决故障诊断中标签不足的问题,该文以滚动轴承作为对象提出一种改进的对抗迁移学习模型。该模型通过一维卷积结构提取时间信号特征,能够直接处理时域振动信号,并通过大尺寸卷积核抑制噪声的干扰;在对抗迁移学习的域判别器中采用卷积结构替换全连接神经网络,以对抗训练的方式减少训练数据和测试数据间的分布差异,以提高故障诊断精度。将改进后的模型应用于两个滚动轴承故障诊断案例中,通过添加不同信噪比的噪声信号验证提出的模型具有良好的抗干扰能力,同时以故障分类正确率作为指标,验证该模型具有更高的诊断精度和鲁棒性。