基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。

基于信息融合的港机健康诊断研究

在港机的健康诊断中应用信息融合技术,就是在提取港机设备各部位的振动信号时,融合来自多传感器的信息,利用特定的数据采集卡将不同时间、空间上的振动信号进行转换、分析,并融合港机本身的其他特性参数及数据,进行信息融合处理,从而实现对港机健康状态的监测及评估。本文分析论述了港机健康诊断应用信息融合技术的重要性及其发展问题,提出了相应的解决策略,即充分应用LabVIEW软件技术与信息融合技术。

乡村振兴战略背景下湛江现代体验式农场发展研究

为找准和明确湛江市体验式农场发展的重点,通过实地调研,进一步研究湛江农业基本情况,包括政策、社会、经济等背景,分析湛江发展体验式农场的可行性,立足本地实际情况,结合当今的互联网发展现状,以最大利益地解决了土地、技术、产品等问题,决定发展现代体验式农场——以体验为核心的农场。现代体验式农场能促进湛江乃至整个中国的发展,它可以很好地与一、二、三产业融合,相互促进,让人们更健康,让环境更绿色,同时也丰富人们的业余生活。

一种基于改进迁移策略与膨胀卷积神经网络的轴承故障诊断方法

为解决机器工况变化下,轴承故障诊断精度显著下降的问题,建立了一种改进迁移诊断模型。综合利用最大均值差异和距离方差来衡量不同分布的差异,对齐源域和目标域数据联合分布,并利用熵损失改善特征在共享子空间中的可分离性,建立以分类误差、分布差异、可分离性为优化目标的数学模型。其次,构建锯齿状扩展速率的膨胀卷积神经网络,以提取信号中多尺度泛化特征和进行故障诊断。随后制定两阶段训练策略,第一阶段利用源域数据训练诊断模型,第二阶段将模型迁移到目标域数据。最后利用两个轴承数据集进行验证,结果表明该方法在不同负载下有良好的迁移诊断性能,能有效应对不同强度噪声的干扰。