自适应注意力LSTM-ResNet下的滚动轴承故障诊断

滚动轴承信号具有复杂性和非线性的特点,对特征提取和故障分类带来挑战。为解决上述问题,文章提出一种自适应注意力LSTM-Resnet(long short-term memory residual network)下的滚动轴承故障诊断方法。首先设计双向LSTM组特征提取模型,获取复杂运行条件下的滚动轴承特征;然后,提出自适应注意力LSTM-ResNet完成特征学习,并自适应调整模型中关键特征的权重;最后,采用全局平均池化(global average pooling,GAP)方法结合Softmax模型缓解模型过拟合并完成故障分类。在数据集中完成滚动轴承故障分类,实验结果表明:文章方法的滚动轴承故障诊断准确率相对于SVD-ResNet方法和宽卷积模型更高,并且能在标记样本数量较少和噪声环境下均达到较高的检测准确率,具有更高的准确性和更强的鲁棒性。

钢轨检测压电超声换能器宽频阻抗匹配研究

针对钢轨损伤检测系统中压电超声换能器与激励源存在阻抗失配,以及压电超声换能器带载后谐振频率偏移等问题,本文对压电超声换能器宽频阻抗匹配进行研究。首先,对压电超声换能器BVD模型参数进行优化。其次,基于上述模型,设计4种匹配网络,对其性能进行比较分析,从而确定最佳网络拓扑结构和参数。最后,基于一发一收实验平台,测试对比匹配前后压电超声换能器的接收信号。测试结果表明,本文设计的阻抗匹配网络可以实现对压电超声换能器的高效匹配,匹配后发射换能器有功功率平均提升了197.38%,工作带宽从1.44 kHz提升至2.22 kHz。同未匹配和传统L型匹配网络相比,本文设计的宽频阻抗匹配网络使得发射强度分别提升了61.07%和18.05%,压电超声换能器在工作带宽内均可达到良好的发射状态。

长轨检测超声换能器驱动电路的设计

鉴于超声换能器(换能器)传统驱动电路中存在发射效率低,激励信号有拖尾的问题,该文提出了一种改进型驱动电路方案。首先,对换能器匹配和激励信号拖尾吸收的理论进行说明,并从匹配和拖尾吸收等方面综合考虑对驱动电路进行改进;其次,采用一发一收的机制,在600m60型钢轨上搭建实验平台,并对传统无匹配、有匹配驱动电路和该文设计的驱动电路的性能进行对比。实验结果表明,与传统无匹配驱动电路相比,改进型驱动电路消除了激励信号拖尾且波形光滑,接收信号中心频点相对幅值提高了98.97%;与传统有匹配驱动电路相比,改进型驱动电路消除了激励信号拖尾且波形光滑,接收信号中心频点相对幅值提高了50.45%。

Barker编码激励超声导波在断轨检测中的应用

为增大钢轨中接收端超声导波信号幅度并提高超声导波辨识度,提出将编码激励技术应用到超声导波断轨检测系统中。系统在发射端采用持续时间较长的13位Barker编码信号激励超声换能器产生超声导波,在接收端采用匹配滤波方法对回波信号进行脉冲压缩。针对1 m长60型钢轨分别进行了仿真分析和实验验证,结果表明,实验结果与仿真结果具有很好的一致性,Barker码激励经匹配滤波脉冲压缩后的信号幅度远远大于单脉冲激励接收信号幅度,前者是后者的3倍多;归一化后两者信号在时域上波形几乎完全重合,两者的信号相似度仿真与实验结果分别达到99.39%和99.29%。研究结果表明,利用Barker码作为激励产生超声导波信号是可行的,并可应用于断轨检测中。

基于多等级动态栅电阻的IGBT过电压抑制策略

为了抑制大功率绝缘栅双极晶体管(IGBT)模块在短路情况下的硬关断所产生的过高尖峰电压,提出了一种基于多等级动态栅电阻的软关断策略,并给出了该策略的具体实现方法。通过3300V/1200A IGBT模块的短路实验证明了此策略可以使驱动器更早地采取保护措施,限制的短路电流和短路功耗,减小了关断尖峰电压,达到了设计要求。

基于频率跟踪的压电超声换能器效率优化方法

为了提高钢轨中超声导波的传输效率,提出一种在接收端进行频率跟踪的压电超声换能器效率优化方法。结合变步长扫描思想,采用一发一收机制,通过软件从时域和频域角度分析扫频后接收信号的幅度和功率谱密度等参数,从而实时矫正压电超声换能器的最佳激励频率,提高换能器转换效率。在50,100,200 m不同距离下进行现场测试。实验结果表明:扫频后获得的最佳激励频率远高于34 k Hz换能器串联谐振频率,且扫频后接收信号的快速傅里叶变换(FFT)幅度和功率谱密度均明显增加,尤其在测试距离为50 m时,中心频率的FFT幅值和功率谱密度分别提高了86. 17%和51. 04%。

基于元学习和密集残差注意力的遥感图像任意尺度超分辨率重建

超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用。现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率重建任务需求。为解决遥感图像超分辨率重建过程中的多尺度放大问题,本文采用元学习的方法,在构建单一自适应模型的基础上实现对遥感图像的任意尺度超分辨率重建,提升遥感图像的空间分辨率,利用密集残差网络和通道注意力机制重建遥感图像中地物纹理、目标边缘等丰富细节信息。在真实遥感图像上的定量实验表明,本文所提方法重建结果的峰值信噪比能达到40 dB以上,同时在多种数据上的定量和定性实验结果证明了本文方法的有效性。