深度学习在电梯轿厢振动故障诊断中的应用研究

在电梯系统运行过程中,针对故障诊断精确度不够高的问题,以及电梯轿厢振动故障诊断在卷积神经网络运用上的空白,采用电梯承运质量测试仪采集了电梯运行过程中的大量振动信号,并对信号进行了分离和筛选;采用了连续小波对预处理后的信号进行了时频变换,以变换后的RGB图像作为深度学习模型输入;研究了深度学习在电梯轿厢振动故障诊断中的应用,设计了电梯轿厢振动故障诊断整体方案,并通过PyTorch实现了深度学习方案,将卷积神经网络应用到电梯轿厢振动故障诊断中,通过监督学习对深度残差神经网络进行了分析和训练,并与传统机器学习方法进行了对比。研究结果表明:深度学习故障诊断方案诊断正确率比传统机器学习故障诊断方法提高3%;深度学习方案能有效诊断电梯故障,为电梯故障诊断开辟新路径。

改进ResNet网络在电梯轿厢振动故障诊断中的应用

为了提高电梯运行过程中故障诊断精确度,为电梯轿厢振动故障诊断开辟新路径。采用电梯承运质量测试仪记录电梯运行过程中的振动信号,分离出水平方向信号,用连续小波进行时频变换后作为输入,利用改进ResNet网络对信号进行分类诊断。对残差神经网络进行改进,加入通道空间注意力机制(CSAM),调整传统ResNet的网络结构使网络训练更加轻量化,节约训练时间和内存成本。实验结果表明,改进ResNet网络诊断正确率比传统机器学习故障诊断方法提高了1.86%,网络参数减少了3.98 Mb。改进ResNet网络能对电梯故障进行有效诊断,并且减少了网络参数和训练时间,为电梯的故障诊断开辟了新路径。

基于变分模态分解和PSO-SVM的起重机齿轮箱故障诊断

起重机齿轮箱的振动信号具有信噪比低、非线性的特点,需要一定的专业知识和经验才能实现故障诊断。为了实现起重机齿轮箱的智能故障诊断,提出了一种基于变分模态分解(Variation⁃al modal decomposition,VMD)改进小波降噪和粒子群算法(Particle swarm optimization,PSO)优化支持向量机(Support vector machine,SVM)的智能故障诊断方法。首先,利用VMD将振动信号分解,得到不同尺度的本征模态函数(Intrinsic mode function,IMF),将分解的高频分量进行改进小波降噪后和低频分量完成信号重构;然后,提取重构信号的特征参数构建特征向量,使用核主分量分析(Ker⁃nel principal component analysis,KPCA)对向量降维处理实现特征信息融合;最后,利用PSO优化后的SVM进行故障识别分类。实验验证表明,基于VMD改进小波信号预处理和PSO算法优化SVM的模型具有很高的识别准确率,能够有效、准确地对起重机齿轮箱的故障类型进行识别和分类。

《羚羊木雕》课文与原文的比较阅读

【缘起】 晨读课上一个女生提出了一个问题——（《羚羊木雕》一文）“万芳作为一个女孩子玩小刀，在操场边的树底下换裤子，根本就没有女孩子的样子，作者为什么要这样写呢？”老实说。这个问题笔者也解答不了。

那一只受伤的“羚羊”——《羚羊木雕》课文与原文的比较阅读

【缘起】前段时间，在笔者主持的鱼台县初中语文教研会上，张兴合老师执教了《羚羊木雕》的公开课。这节课基本上是按教科书“研讨与练习”的几道题目安排教学步骤的，分角色朗读课文、排演课本剧、课堂辩论赛……（具体教学过程略）一节课很是热闹。但这节课学生究竟有多少实实在在的语文性的收获？如何对待友谊和金钱，如何处理“我”与父母的矛盾，讨论这些问题，在教学内容上首先有没有偏差？因为这并不是语文课本身固有的学习目标。

《羚羊木雕》课文与原文的比较阅读

【缘起】晨读课上一个女生提出了一个问题——（《羚羊木雕》一文）“万芳作为一个女孩子玩小刀，在操场边的树底下换裤子，根本就没有女孩子的样子，作者为什么要这样写呢？”老实说，这个问题笔者也解答不了。

请灯谜做客文言课堂

源于古代的灯谜与文言内容关系密切。如果在学习文言文中适当添加一点灯谜内容,既使课堂趣味盎然,又能提升学习效益,有助于学生更牢固地掌握文言词义,更多了解古文化知识和古典故,当然对学生思维品质的培养也大有裨益。

那一只受伤的“羚羊”——《羚羊木雕》课文与原文的比较阅读

【缘起】前段时问，在我县初中语文教研会上，张老师执教了《羚羊木雕》一文：、这节课基本上是按教科书“研讨与练习”㈦的几道题日安排教学步骤的，分角色朗读课文、排演课本剧、课堂辩沦赛……一节课很是热闹、、我坐在下面听课．就在想．这节课学生究竟有多少实实在在的语文性的收获？如何对待友谊和金钱？如何处理“我”与父母的矛盾？