基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法

目前负荷分解模型大都面向城市用户,忽视了农业用电场景下的负荷关联特性,导致现有负荷分解模型在该场景下的分解效果较差,本文提出了一种基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法。该方法首先采用One-hot编码构建包含离散和连续影响因素的负荷特征矩阵;其次,运用负荷行为关联图来表征用户不同负荷设备间关联关系,并采用图注意力网络对负荷间相关性进行权重优化;最后,构建基于卷积神经网络和长短时记忆网络的农业用户负荷分解模型并进行训练部署。仿真结果显示,本文所提出的基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法相比现有方法分别获得4.34%和2.02%的负荷分解精度提升,并更加适用于农业用电场景。

一种矿用管道检测机器人设计及牵引性能分析

针对瓦斯抽采管道破损泄漏检测问题,设计了一种具有管道检测和运动控制功能的螺旋式矿用管道检测机器人,介绍了该机器人的结构和检测与控制系统方案。建立了机器人在管道中运行的力学分析模型,并通过动力学仿真研究了影响机器人牵引性能的因素,结果表明:机器人在管道内运行时的牵引力与管道材质、螺旋角、管壁与驱动轮之间法向力有关;机器人在不同材质的管道中运行时最佳螺旋角不同,在相同材质的管道中运行时,无介质运输情况下牵引力高于有介质运输情况;机器人牵引力随法向力的增大而增大,但最佳螺旋角无明显变化;随着螺旋角增大,牵引力先增大后减小,螺旋角为40°时牵引力最大。为提高机器人通过弯管时的性能,提出一种变螺旋角过弯策略,即机器人主动控制螺旋角随螺旋运动单元转动以正弦式规律变化,使管道内侧的螺旋角小于外侧。搭建机器人测试平台对矿用管道检测机器人进行测试,结果表明:机器人在直管中运行的最佳螺旋角为40°;可通过增加法向力来提升机器人的牵引性能;采用变螺旋角过弯策略时,机器人在弯管中的通过性能和平稳性优于定螺旋角过弯。

基于深度高斯过程的永磁牵引电机匝间短路分级评估方法

定子绕组匝间短路是影响永磁牵引电机安全稳定运行的主要故障之一,受运行工况、供电与电机本体不平衡的影响,现有方法难以实现永磁牵引电机匝间短路在线精准评估,这成为永磁电机推广应用迫切需要解决的关键技术难题。因此,文章提出一种基于多特征融合的深度高斯过程永磁牵引电机匝间短路分级评估方法:首先通过建立永磁牵引电机匝间短路故障模型,提取电流不平衡、电流三次谐波与dq电流的二次谐波特征;然后采用一种双随机变分推断深度高斯过程(Doubly Stochastic Deep Gaussian Processes,DSDGP)方法对提取特征进行融合训练建模,实现永磁牵引电机匝间短路劣化状态在线分级评估;最后通过永磁电机匝间短路试验与现场案例进行算法验证。结果表明,文章所提方法在多特征融合条件下的评估准确率达到95%以上,相较于支持向量机(support vector machine,SVM)和反向传播神经网络(back-propagation neural,BPN)等分类方法,具有准确率高,适用于变工况、小样本的工程实际应用环境等优点,解决了永磁牵引电机匝间短路早期故障检测及故障严重程度评估的行业难题。

基于特征融合的牵引电机轴承声学故障诊断

滚动轴承作为高速列车牵引电机的重要部件,其故障情况严重影响列车运行安全。声学轴承故障诊断方式具有无安装侵入性、运维成本低的优点,但也具有信噪比低、故障特征难以提取的缺点,机器学习则具有克服噪声影响的鲁棒性。针对应用机器学习进行声学故障诊断时,少量特征无法全面表征轴承故障的难题,文章提出将格拉姆角场(GAF)与小波时频图进行叠加融合,构成6通道融合特征图用以有效表征轴承的故障。首先,建立牵引电机轴承声学故障试验台获取故障声学信号;其次,建立基于GAF的声学信号融合特征图,然后使用残差网络(ResNET)模型针对融合特征图特征训练并验证故障分类模型,并与以单种特征图作为特征的故障分类方法进行准确率对比。结果表明,基于GAF的融合特征图的声学故障分类模型具有99.89%的准确率,融合特征图能更有效地映射轴承故障。

500例旋提手法治疗颈椎病的影像学特点与疗效研究

目的:回顾性总结旋提手法治疗颈椎病的影像学特点及疗效。方法:选取2016年4月至2021年4月就诊于中国中医科学院望京医院脊柱二科,诊断为颈椎病(除外脊髓型颈椎病)且经旋提手法治疗的500例患者作为研究对象,对其一般情况、影像学特点(X线平片、CT及MRI)及手法治疗的疗效、疗程、安全性进行回顾性分析。结果:500例患者中男171例,女329例;年龄17~82岁,平均年龄(52.17±12.84)岁;颈型、神经根型、椎动脉型、混合型颈椎病比例分别为5.60%、62.60%、10.40%、21.40%;X线诊断生理曲度异常及颈椎失稳比例分别为96.00%和47.00%;CT诊断颈椎间盘突出、颈椎管狭窄及后纵韧带骨化比例分别为86.12%、48.98%、22.86%;MRI诊断颈椎间盘突出、颈椎管狭窄比例分别为96.18%、54.60%;旋提手法治疗颈型、神经根型、椎动脉型、混合型颈椎病的有效率分别为96.43%、96.17%、98.08%、96.26%,治愈率分别为17.86%、15.65%、17.31%、14.95%;疗程7~23 d,平均疗程(13.553.06)d;500例患者接受旋提手法治疗均无不良反应发生。结论:颈椎曲度异常和颈椎间盘突出是颈椎病的主要影像学表现;旋提手法治疗颈椎病疗效确切,安全性高,其中颈型与椎动脉型颈椎病患者见效较快;该手法可应用于无脊髓型颈椎病症状体征但存在颈椎间盘突出、颈椎管狭窄及后纵韧带骨化患者,但应重视询问病史与体格检查,排除手法禁忌。

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。

基于概率相关慢特征分析的高速列车牵引系统故障检测

利用牵引系统特性提出一种基于概率相关慢特征分析的故障检测方法,以提高故障检测性能。首先,将Kullback-Leibler散度引入慢特征分析方法中,在此方法提取牵引系统数据中慢速特征的基础上,进一步计算离线数据和在线数据慢速特征的概率分布距离,构建统计量。最后使用中南大学的高速列车牵引系统模拟仿真平台,验证了方法的可行性,并对比传统SFA方法,结果表明,提出方法能有效提高检测性能。

基于残差学习的非对称卷积神经网络图像去噪方法

为了获得更清晰的图片,更好地去除图像中的噪声,对目前去噪效果较好的基于残差学习技术的深度卷积神经网络去噪算法(DnCNN)进行改进,提出了DnACNN模型,该模型通过将常规的方形卷积核替换为一组非对称卷积核来增强方形卷积核的骨架部分,从而提高特征提取精度和性能;并在测试阶段进行权值融合,从而减少参数、简化模型,确保不增加任何额外的推理时间。实验表明该方法在不增加任何额外推理时间的前提下能更有效地去除图像中的噪声,与目前主流去噪方法相比,能更好地捕获特征,提升特征丰富性,获得了更高的峰值信噪比,且能够更多地保留细节纹理。

基于广义似然比引导VMD的港口起重机轴承故障诊断方法

针对港口起重机轴承早期微弱故障特征易被强噪声淹没导致难以提取问题,结合广义似然比(generalized likelihood ratio,GLR)和变分模态分解(variational modal decomposition,VMD)算法的优势,提出了一种基于GLR引导VMD的算法。同时,针对传统包络谱检测识别故障需要依靠专业知识识别的情况,根据上述算法提出了一种基于包络谱的故障指标故障频率比(ratio of fault frequency,RFF)。利用仿真试验信号和实际数据对所提出方法进行验证,并且与其他VMD优化方法进行比较,研究结果表明,所提出算法能够准确提取高噪声强干扰下信号下滚动轴承的故障特征,所提出故障指标RFF能够实现微弱故障诊断。

基于光谱成像的多帧视频图像视觉传达方法

多帧视频图像视觉传达方法存在图像噪声高、图像质量不佳等问题,提出基于光谱成像的多帧视频图像视觉传达方法。通过图像梯度向量获取视频图像,根据视频图像中边缘模糊程度估算图像的深度值,在红、绿、蓝颜色空间上对图像展开编码,构建阶跃边缘函数实现多帧视频图像颜色补偿,通过八叉树对多帧视频图像色彩进行量化,提取图像主色彩特征,根据光谱成像技术确定视频图像关键帧,实现多帧视频图像视觉传达。实验结果表明,所提方法图像质量高,时间消耗仅为3秒,多帧视频图像视觉传达效果好。

基于状态回声网络的电梯曳引轮轮槽磨损安全性评价

目前针对磨损安全性评价的方法主要按照磨损状态进行人为判断,缺乏定量分析基础。为准确评价电梯曳引轮轮槽磨损安全性,提出了基于状态回声网络的电梯曳引轮轮槽磨损安全性评价方法。首先提取电梯曳引轮轮槽磨损特征,然后将特征作为回声网络的输入,将电梯曳引轮轮槽磨损安全值作为输出,通过回声网络训练和学习,建立电梯曳引轮轮槽磨损安全性评价模型。测试结果表明,该方法的电梯曳引轮轮槽磨损安全性评价误差小,可准确评价电梯曳引轮轮槽磨损安全性。

基于随机森林的动车组牵引电机故障特征选择方法

动车组车载数据具有维度高、数据量大的特点,从高维度的数据中提取出牵引电机相关的有效特征是进行数据驱动模型构建的基础。文章以基尼指数为例,介绍了基于基尼指数的CART分类树构建步骤、基于CART分类树的随机森林构建方式以及基于随机森林分类算法的基尼指数平均不纯度减少和袋外误差平均准确度减少2种特征选择方法,并对2种特征选择方法进行了试验验证。基于UCI机器学习样本库,通过Dry Bean Dataset和Wine Dataset 2种典型案例验证了2种特征选择方法在特征选择和模型分类方面的有效性;基于动车组车载实测数据,通过对动车组牵引电机的特征选择,验证了2种方法都能有效筛选出牵引电机故障特征,同时基于所选故障特征建立的牵引电机故障诊断模型具有较高准确率和召回率,可用于动车组牵引电机故障特征选择。

基于局部方差的数字媒体图像模糊增强方法

数字媒体图像的增强,受到图像特征提取算法的影响,导致增强处理后图像熵值较低。因此,提出基于局部方差的数字媒体图像模糊增强方法。运用粗糙集理论处理数字媒体图像,去除图像内噪声。依托于局部方差技术结合变差函数,设计局部方差特征提取算法。通过变换图像模糊域映射图像纹理特征,再利用隶属度函数实现图像自适应模糊增强处理。实验结果表明:所提出的增强方法应用效果与CTGT方法、TFPSO方法相比,图像熵值提升了26.72%和23.63%。

动力电池的研究应用及发展趋势

随着能源的日趋枯竭,动力电池的研发变得至关重要。本文综述了五种常见动力电池的工作原理,并对它们的性能特点进行了全面的比较,详细讲述了它们的应用领域,就其发展现状阐述了它们的发展趋势。同时简单介绍了几种新型动力电池,旨在使人们对动力电池有一个全面而深刻的认识。

频率切片小波变换在爆破振动信号时频特征精确提取中应用

基于频率切片小波变换(Frequency Slice Wavelet Transform,FSWT)技术研究爆破振动信号时频特征提取新方法。采用FSWT进行爆破振动信号分解,得到在全频带下的时频分布。在此基础上据其时频能量分布,选择时间、频率切片区间进行细化特征分析,通过信号特征频率切片区间信号重构,实现爆破振动时频特征分离及提取。通过与传统的STFT、WPT、WVD等算法进行对比分析表明,FSWT算法具有良好的时频聚集性、任意频带分量特征提取的灵活性及准确性。将FSWT算法引入爆破振动效应分析领域,可为爆破振动信号时频特征精确提取奠定基础,具应用前景较好。

基于改进MP的稀疏表示快速算法及其滚动轴承故障特征提取应用

在恒定转速情况下,旋转机械中滚动轴承的局部故障往往导致周期性冲击,从而产生周期性瞬态振动信号。对局部故障的瞬态特征提取一直是故障检测的关键问题。基于匹配追踪(Matching Pursuit,MP)算法的稀疏分解是一种信号自适应分解算法,是强噪声背景下微弱特征提取的有效方法之一。针对滚动轴承故障振动信号稀疏表示过完备字典的选择与构造问题,基于相关滤波法优选与冲击波形匹配的Laplace小波原子构造稀疏表示中的过完备字典;针对基本匹配追踪算法计算量大、效率低的问题,结合FFT快速运算特性,通过互相关运算替换基本匹配追踪算法中的内积运算,研究基于改进MP的稀疏表示快速算法,进而提高计算效率。仿真与滚动轴承故障实验分析结果表明该算法能准确的提取滚动轴承故障特征且计算效率高。

直流牵引网振荡电流与故障电流波形识别

地铁直流牵引网中经常出现的低频振荡电流导致继电保护系统误动频繁,欲提高保护系统的可靠性必须采取更为有效的特征提取方法。经验模态分解(EMD)和能量权重结合的特征提取方法可有效区分牵引网振荡电流与故障电流,实现对牵引网电流动态特征信息的提取。通过对牵引网电流进行EMD分解并计算各本征模态函数(IMF)的能量权重,构建基于能量权重的多尺度特征熵,进而获得故障模式识别的特征矢量。现场实测数据证明,该方法可准确识别牵引网振荡电流与故障电流,且概念清晰、算法简单。

基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法

针对强背景噪声下齿轮故障冲击特征提取问题,提出了一种基于自适应随机共振和稀疏编码收缩算法的齿轮故障诊断方法。该方法选用相关峭度作为随机共振检测周期性冲击分量的测度函数,借助遗传算法实现信号中周期性冲击特征的自适应提取;在此基础上,利用稀疏编码收缩算法对随机共振检测结果做进一步降噪处理,从而凸显冲击特征,提高故障识别精度。试验和工程实例分析结果表明,该方法可实现齿轮故障冲击特征的增强提取,为齿轮故障诊断提供依据。

基于连续小波变换系数的柴油机异响故障特征提取与诊断

用Morlet小波对EQ6BT柴油机活塞敲缸响、活塞销响的缸体振动信号进行连续小波变换,然后将所得到的小波变换系数作出尺度—能量谱以及三维能量谱图,从而实现了对柴油机异响故障的特征提取和诊断。结果表明：利用Morlet连续小波变换系数的尺度—能量谱和三维能量谱图,能够直观而有效地检测和区分EQ6BT柴油机活塞敲缸响、活塞销响两种故障及其故障的严重程度。

改进的双目立体视觉算法及其应用

为了提高双目立体视觉算法正确匹配率,本文改进了特征点提取及立体匹配算法。特征点提取部分,定义了尺度方向不变角点;在匹配计算部分,利用极线约束计算特征点的候选匹配角点,采用视差梯度约束和最大向量角准则多约束条件实现精确匹配。对本文的改进算法进行了实验室以及水池试验验证:实验室中采集小盒图片;水池试验中,拖车带动船模在试验水池航行时,采集船后部的波浪图片。实验结果显示,改进算法在水池实验图片处理中的正确匹配率比尺度不变特征变换(SIFT)算法高14%。