基于改进半监督生成对抗网络的少量标签轴承智能诊断方法

轴承在线监测大数据主要是由大量无标签数据和少量有标签数据组成的。已有的智能诊断方法多依赖于大量有标签数据的监督学习。针对此问题,提出一种改进半监督生成对抗网络,利用生成器与分类器的对抗学习增强分类器的辨识能力,提出了增强特征匹配算法,借助分类器的深层特征优化网络损失值计算,进而提高网络收敛速度,结合半监督学习使用少量有标签数据进一步提升分类器的学习能力,最终实现对无标签数据的正确归类。使用四组轴承试验数据的迁移学习验证和对比了改进深度网络对不同轴承、工况、故障生成模式、故障程度的辨识能力,结果表明该网络具有更高的分类准确率和更快的收敛速度。

风力发电厂防雷技术研究

伴随着经济的快速发展和人口的急剧增长,社会矛盾越发突出,同时也形成了资源枯竭的现状。将风力发电技术和环保效益有效地结合在一起,适应经济可持续发展的理念。但在风力发电应用和防雷技术研发及设计等方面还存在比较突出的问题。基于此,本文在查阅大量的文献资料和调查研究的基础上,针对风力防雷应用中存在的问题,提出了相应的解决策略,希望能够对风力发电技术的优化和应用产生积极影响,推动风力发电事业快速发展,更好地满足社会需求。

浅析风力发电机组的安全保护技术

随着社会的发展,人们对电力能源的需求逐年递增。风力发电具有无污染、可再生等优点,可满足当前环保、低碳的发展要求。本文分析探讨了风力发电机组的安全保护技术,可为国内风力发电机组的保护设计提供借鉴和参考。

基于改进卷积生成对抗网络的少样本轴承智能诊断方法

轴承样本较少会使模型学习不充分,导致诊断准确性不高。为解决这一问题,构建了一种改进的卷积生成对抗网络,借助生成对抗网络的数据生成能力和改进深层卷积网络的特征提取能力,提高复杂工况下少样本轴承故障诊断准确性。首先,构建了一种深度卷积对抗生成网络,通过生成器和判别器的对抗学习挖掘真实数据的深层特征,用以生成相似的模拟数据,以弥补少样本的不足;其次,将密集块与扩容卷积引入卷积神经网络中,从深度和广度两个方面提升网络的学习能力,挖掘多类别数据中细微差距,增强复杂数据的故障特征提取性能;最后,采用定工况和变转速两种少样本轴承数据进行方法验证与对比分析,结果表明新构建的对抗网络在少样本、含噪声等复杂情形下仍然具有较高的诊断准确率。

可交互式面部表情机器人综合实验设计

为让机械制造及其自动化专业的学生了解和掌握机械、控制和通信等多种技术的交叉应用,在大量的研究及试验的基础上,设计了可交互式面部表情机器人综合实验。该实验以现实中的问题为主题,以动手设计和制作为主、老师启发引导为辅的形式展开,强调工程与设计的融合、主动性和实践能力培养以及在技术学习上采用线上线下混合的学习方式。该课程融合多学科知识,通过动手实验、启发式学习、失败分析等方法让学生学习如何融合与应用多学科知识,并用于解决实际工程问题,逐步锻炼学生的综合能力和解决问题的能力。