基于DCNN和Bi-LSTM的弧齿锥齿轮箱故障诊断

针对传统卷积神经网络(CNN)对弧齿锥齿轮箱的故障识别准确率不高这一问题,提出一种基于深度分离卷积神经网络(DCNN)和双向长短时记忆网络(Bi-LSTM)的弧齿锥齿轮箱智能故障诊断方法。首先,对原始信号进行小波阈值降噪处理,将降噪后的信号利用经验模态分解(EMD)算法进行了分解;然后,对分解出的本征模态函数(IMF)的各个分量进行峭度计算,选取峭度值最高的IMF分量重构成新的振动信号输入模型进行训练;之后,将振动信号重叠采样获得大量信号样本,将这些样本通过深度分离卷积神经网络从一维原始振动信号中自适应的提取空间特征信息,提取的特征进一步输入到双向长短时记忆网络,同时提取正、逆时域的振动信号,以更好的提取故障特征;同时,在深度分离卷积中加入了残差网络对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,将特征信息输入到已经训练好的DCNN-Bi-LSTM模型中,对弧齿锥齿轮箱故障诊断识别。结果表明,该方法可以准确的识别齿轮箱故障,最高诊断准确率可达100%。并且,该方法比传统的卷积神经网络的准确率更高,抗噪能力更强,网络收敛速度更快,诊断结果更稳定。

碱激发地聚物的反应机理、性能与应用的研究进展

这是一篇陶瓷及复合材料领域的论文。碱激发地质聚合物(简称“地聚物”)是一种新型的无机胶凝材料,由硅-氧四面体和铝-氧四面体通过共用氧原子相互交联而形成,铝-氧四面体所带的负电荷通过碱金属阳离子平衡。由于具有高度聚合的氧化物网络结构,且结构稳定性高,地聚物具有优异的性能:高强度、耐久性、耐高温性等,使其在高性能建材的制备、废水的处理、固废资源化等领域得到广泛的应用与研究。为综合了解碱激发地聚物的研究现状,本文总结了国内外关于碱激发地聚物反应机理的研究现状,综述了地聚物微观结构与力学性能的最新进展,并介绍了其在建材、环境污染治理和固废资源化利用等领域的研究进展。

风力发电项目投资风险分析与控制

随着社会经济的发展,为了解决地球不可再资源的日益枯竭,再加上地球环境越来越差,人类意识到节能减排的重要性,所以人类开发出了各种新能源,而风力发电就是其中的一种清洁能源。风力发电具有零污染、技术要求低、资源丰富等优势,因此如果对该产业进行投资,不仅在社会效益方面有所收获,也会在经济效益方面有所收获。于是开发商们都纷纷加入了风力发电投资的行列,但是中国企业在风力发电项目投资上还有许多风险要面对。因此,对风力发电项目进行一个系统分析,然后再对风电项目进行一个风险评估以及如何对投资风险进行规避是本文的研究内容。

公共基础设施PPP融资模式探讨

由于公共基础设施建设周期长,因而我国的投资模式主要是以国家和地方财政资金主导为主。随着我国市场经济的不断发展,公共设施建设已成为经济和社会发展的重要组成部分。公共设施融资一直是我国的一个重要问题,在发展和建设公共设施的过程中,必须多种融资渠道共同发展。在本论文中,笔者首先介绍了公共基础设施与PPP模式的内涵与特点,然后阐述了在公共基础设施建设中应用PPP模式应该注意的问题,希望能为相关从业者作出一定的参考。

基于BP神经网络的渗流场反演分析

在岩土工程中,数值分析结果的准确性很大程度上依赖于计算参数的准确性,很多计算失败均来源于参数的错误选择。相对于应力应变分析中的物理力学参数,渗流分析中的参数选取更为困难。文中通过对BP神经网络基本原理的分析,采用BP神经网络实现对岩体渗透参数的反分析,并对BP网络反演分析中相关参数选取的进行探讨。

粘土心墙土石坝坝体结构设计及渗流稳定分析

颂东水电站位于喀麦隆萨纳加河下游,采用坝式开发,以发电为主要任务。枢纽建筑物主要有主河道枢纽、左岸副坝、右岸副坝,左右岸副坝均采用粘土心墙土石坝。从坝体结构,渗透稳定、坝坡稳定等方面,对电站可研阶段粘土心墙土石坝的设计进行详细介绍。图6幅,表4个。