基于数据增强型一维改进卷积神经网络的变压器故障诊断方法

为提升基于深度学习的变压器故障诊断精度,提出了一种数据增强型一维改进卷积神经网络的变压器故障诊断方法。首先,针对传统变分自编码器数据生成过程中的盲目性弊端,提出改进变分自编码器(improved variational autoencoder,IVAE)优化变压器溶解气体数据生成策略。其次,为使深层网络结构能适应变压器溶解气体数据,构建一维改进卷积神经网络(one-dimensional improved convolutional neural network,1D-ICNN)作为故障诊断分类器。最后,通过算例仿真验证了所提方法的可行性和适应性。结果表明IVAE能有效解决变压器故障数据样本少、诊断准确率低的局限;数据增强型1D-ICNN在分类精准度上表现优异,准确度提升了13.49%,研究结果可为变压器故障的准确诊断提供新思路。

基于改进神经网络与比值法融合的变压器故障诊断方法

为提高采用单神经网络方法的变压器故障诊断精度,该文提出了一种基于改进神经网络与比值法融合的变压器故障诊断方法。针对深层1维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)难以适应变压器溶解气体数据的难题,搭建了改进的1D-CNN作为融合分类方法的基础分类器;为提升神经网络在变压器故障诊断中的应用性能,提出了一种融合分类模块(fusion classification module,FCM),提前筛选出可能被网络错误分类的样本并转由传统比值法进行单条数据分析;并用算例仿真验证了所提方法的可操作性和适应性。研究结果表明:与常规1维卷积神经网络、循环神经网络相比,改进的1D-CNN作为基础分类器的性能表现优异;FCM在不同数据集下对基础分类器均有相应的性能提升,对于初始准确率高于95%的基础分类器提升效果更稳定。

基于数值模拟的楔横轧变速箱中间轴的内部缺陷分析

分析了变速箱中间轴楔横轧轧制过程中产生内部缺陷的细端部位内部各场量,确定了第一主应力作为内部缺陷的参考评判量。研究各个工艺参数(成形角、展宽角、断面收缩率)及轧制温度与内部缺陷参考评判量的单因素影响规律,考虑各工艺参数及轧制温度的交互作用,利用正交试验优化变速箱中间轴细端部位内部成形质量。获得各工艺参数及轧制温度最优值,消除了变速箱中间轴细端部位的内部缺陷。

把握人生

想要把握人生，我想，重在把握当下。只有把眼前的事情做好。才有资本、有能耐、有空间去规划自己的未来。

实验用独立导向四柱式精冲机结构分析及系统设计

提出一种独立导向、上下横梁四柱式结构,能自动检测力和位移的实验用精冲压力机总体方案。运用有限元分析软件ANSYS模拟分析了315t额定载荷情况下的整机结构变形数据,对该压力机主要结构的强度及可靠性做了分析总结,并开发了实验检测和集液压、电气于一体的整套控制系统。

精冲压力机的现状及发展趋势

首先介绍了精冲工艺对精冲压力机提出的几个基本要求,阐述了精冲压力机的结构特点。同时展示了目前国内外精冲压力机的生产和研究现状,并对精冲压力机的几个关键技术:滑块的导向精度和刚性、上死点精度控制技术和台阶式内阻尼静压导轨技术等进行了论述。然后根据目前的精冲工艺发展趋势,提出了精冲压力机的主要研究方向:有限元模拟及优化技术、电液控制技术、适应于高强度和厚板的精冲压力机。最后,指出高速、高效、柔性、智能化是未来精冲机的发展趋势,凭借其少无切削的精加工特点,将会在未来的制造业中发挥更大的作用。