基于轻量级卷积神经网络的转子碰摩故障诊断

随着非平稳信号的时频故障特征表示技术的优势以及卷积神经网络(CNN)的出现,转子碰摩故障诊断已经达到了高精度。然而,基于CNN的故障诊断方法有许多缺点,提出了一种基于轻量级卷积神经网络(GHSQNet)与时频图相结合的转子碰摩故障诊断方法。该方法能够在保证故障诊断精度的同时占用更小的内存。实验结果表明,与其他轻量级卷积神经网络相比,提出的模型性能表现更加优越。识别准确率达到了99.39%,而模型大小只有1.07 MB,在移动端有很高的实用价值。

基于混沌理论的碰摩声发射特征分析与源定位

根据混沌信号处理理论,研究分析了关联维数、最大Lyapunov指数和Kolmogorov熵等转子碰摩声发射源的非线性动力学特征量的特性。并将这些特征量作为神经网络的输入,研究了碰摩声发射源的定位问题。实验结果表明,该方法能较好地解决碰摩声发射源定位问题,为转子碰摩故障诊断提供依据。

基于代数网络和混沌参数的碰摩声发射源定位方法研究

针对时差定位法受不同模式波速度差异及波形传播畸变等因素影响的问题,将神经网络技术应用到声发射源定位中。为了克服传统BP算法训练时间长和精度不够高的缺点,提出代数神经网络概念,在网络训练阶段引入代数算法,将复杂的非线性优化问题转化为简单的代数方程组求解问题,直接获得最优点,大大缩短了网络的学习时间。同时作为定位特征研究分析了转子碰摩声发射信号的非线性动力学特性,提出了关联维数、最大Lyapunov指数和K o lm ogorov熵等声发射源的非线性动力学新特征,并将其作为神经网络的输入定位特征。实验结果表明,利用这些声发射源的非线性动力学特征和神经网络结合能较好地解决了碰摩声发射源定位问题,为转子碰摩故障诊断提供依据,具有良好的应用前景和进一步研究的价值。

基于动态模式的转子系统故障诊断

以Jeffcott转子系统基础松动-碰摩耦合故障为例,研宄动态模式的转子系统故障诊断方法.首先,将转子系统正常和故障时的未知系统动态定义为不同的动态模式,对其进行学习,将学到的知识以常数神经网络权值的形式存储,并建立动态模式库;然后将当前被监测转子系统与动态模式库中的动态模式进行比较,根据动态模式的相似性定义,依据最小误差原则快速判断转子系统与已学过的哪种动态模式相似,实现故障的快速检测与分离.仿真结果验证了算法的有效性.

旋转机械碰摩故障的BP神经网诊断

本文介绍了旋转机械碰摩故障的ＢＰ神经网络诊断方法，并利用一种新的转子碰摩故障模拟试验系统，验证了方法的可行性。本方法既能诊断碰摩故障的发生，又能判定碰摩程度。

利用神经网络规则提取方法获取转静碰摩故障诊断知识

获取易于理解的航空发动机转静碰摩故障诊断知识规则对于深刻认识碰摩故障机理、有效诊断碰摩故障具有重要意义。鉴于此,研究了一种新的基于功能性观点的神经网络(NN)规则提取方法,介绍了连续属性离散、训练样本产生、神经网络训练、示例样本产生及规则提取等关键算法,并用Iris数据对方法进行了验证。最后,通过航空发动机转子实验器获取碰摩故障样本,利用神经网络规则提取方法从故障样本中提取了碰摩故障诊断知识规则,并对其进行了验证分析,验证结果充分表明了该方法的正确有效性。

转子局部碰摩故障的诊断方法

本文通过对转子局部碰摩故障的规律分析，介绍了碰摩故障的模糊诊断、灰色关联诊断及神经网络模型诊断的方法，并提出了一种新的转子碰摩故障模拟试验系统，诊断验证了试验结果。

BP神经网络理论对磨损自补偿过程的预测

本文通过钢—钢摩擦副的摩擦学性能的对比研究,发现在磨损自补偿添加剂SW4作用下,钢—钢摩擦副也象钢—铜摩擦副一样具有磨损自补偿性能,其摩擦系数和磨损量相对下降了很多;同时,利用BP神经网络理论对钢—钢摩擦副的摩擦学过程,特别是其磨损自补偿过程进行了预测,该方法与传统的建模方法相比,具有运算时间短,使用数据少,不需要严格的数学模型等优点,其预测值与试验值非常接近。

以赫斯特指数与近似熵为声发射特征参数的碰摩故障识别

针对常规Hurst指数估计法计算赫斯特(Hurst)指数时受拟合长度与直线拟合方式影响较大的问题,提出一种改进标度长度选取方法及进行分段拟合的优化措施。其中标度长度采用2的指数方式选取,而将重标极差序列曲线分为4段,选取其中合适的1段曲线进行直线拟合,所得的直线斜率即是Hurst指数估计值。通过数值仿真验证了该方法比常规Hurst指数估计法具有更好的估计精度。分析了声发射信号的Hurst指数与近似熵作为表征碰摩发生及强度的特征参数的有效性。在转子试验台上采集不同碰摩状态下的声发射信号,将提取的Hurst指数与近似熵以单独和组合的方式分别作为BP神经网络的输入来识别不同的碰摩状态。实验结果表明:Hurst指数与近似熵相结合具有较高的识别准确率,为旋转机械碰摩故障识别提供了一种新的方法。

vfb基于补偿模糊神经网络的立式转鼓水果分级系统设计

提出了能无级调速的转鼓、搓动鼓设计和一种具有快速学习算法的补偿模糊神经网络水果分级系统,该系统在融合模糊理论和神经网络技术的基础上,增加了补偿模糊推理层,实现水果智能分级系统的补偿模糊推理和模糊设计参数的自动调整,通过与其它神经网络比较,验证了所提出的方法具有学习速度快、分级精度高的优点;不变的转鼓上滚子节距,克服了卧式滚子链链关节使用过程中被拉长而影响分级机适应范围的不足;CCD位于转鼓一侧的上升段上,缩短了CCD采样时段上水果沿垂直于采样方向移动的距离,使采样图像更清晰。

面向拓片信息的甲骨字网络构建与分析

未识甲骨字的考释是甲骨文研究最重要的内容,也是历史学家和计算机学家研究甲骨文遇到的最大瓶颈。甲骨文研究积累的数据已体现出海量化和系统化。因此,该文以甲骨文拓片为基础数据,通过建模定义甲骨字之间的距离,进而构建甲骨字网络。在此网络之上,分析网络的度分布、局部连接比率、聚类系数、模块度等相关特性。结果表明:构建的甲骨字网络不仅能充分反映甲骨文系统的单音节词多和复音节词少的古文字特征,而且能捕捉甲骨文拓片的语义单元,并具有很强的模块特性。该文构建的网络及其特性可为历史学家和网络甲骨学家揭示未知甲骨字的语义提供新的数据和理论基础。

偶联剂Si69对白炭黑/炭黑填充溶聚丁苯橡胶动态黏弹性能的影响

在应变和温度扫描以及不同扫描时间间隔的条件下,用橡胶加工分析仪研究了偶联剂Si 69对白炭黑/炭黑填充溶聚丁苯橡胶(SSBR)动态黏弹性能的影响。结果表明,在第1次应变扫描过程中,随着炭黑用量的增加,SSBR混炼胶的弹性模量(G')逐渐降低,偶联剂作用减弱;添加偶联剂后,SSBR硫化胶中填料聚集程度减弱;在第2次应变扫描过程中,随着与第1次应变扫描时间间隔的延长,应力软化减弱,且温度对填料聚集影响程度大于压力的影响;随着温度的升高,混炼胶的G'逐渐下降,并且随着炭黑用量的增加,偶联剂作用减弱;在较高应变下,添加偶联剂混炼胶的初始转矩高于未添加偶联剂混炼胶,且弛豫速率较快。

混沌神经网络在转子碰摩故障诊断中的应用

大量研究表明,转子碰摩故障现象具有丰富的非线性特征。提出了一种新的基于模拟退火策略的混沌神经网络模型,并结合变尺度混沌优化方法,将其应用于转子碰摩故障的诊断。仿真试验表明:该模型具有较高的预测精度,可有效地识别这些相似故障模式,对于旋转机械重大事故的预防具有积极作用。

利用转子故障耦合动力学系统模型识别油膜涡动下的碰摩故障

转子碰摩故障通常为不平衡、不对中以及油膜涡动等故障引发的二次故障,其信号通常具有周期、拟周期和混沌这3种复杂的非线性特征。本文针对油膜涡动下的转子碰摩故障诊断问题,建立了含不平衡、油膜涡动以及碰摩故障耦合动力学模型,利用数值仿真研究了转子系统在油膜涡动下的碰摩故障频谱特征,提取了反映耦合故障的特征信息。为了准确的对碰摩故障进行诊断,通过不断改变系统参数获取了包括各种状态下的耦合故障样本。最后构造了结构自适应神经网络,利用一半样本对神经网络进行训练,再用另一半样本对训练好的神经网络进行测试,识别率达到了94%以上。计算结果充分表明了本文方法对于识别油膜涡动和碰摩耦合故障的有效性。

AE声谱图特征的转子碰摩故障识别方法研究

提出了一种基于时频分析的声发射信号特征参数分析方法——AE声谱图特征分析方法。它不仅能提高AE识别的有效数据量,同时利用声谱图作为表征转子运行状态的特征图,能从时间、频率和能量强度等多个角度显示AE信号的细节变化,进而有效描述AE信号蕴含的故障特征,对实现旋转机械的故障诊断具有重要意义。利用提出的AE声谱图特征构建了一个基于深度卷积神经网络的碰摩故障识别系统。实验结果表明,AE声谱图特征和CNN网络相结合,能有效提高转子碰摩AE信号的识别性能。

基于深度风格迁移网络的文物数字拓片生成技术

数字拓片是指在不接触文物的前提下获得文物对应的拓片图像的方法,该方法不仅避免对文物本体的损害,而且能够获得真实精准的高质量拓片图像,保证提取质量的有效性。为解决传统数字拓片生成方法获得拓片图像中存在的细节损失问题,该文提出一种基于深度风格迁移网络的数字拓片生成方法,该方法借助生成对抗网络强大的特征提取能力和数据拟合能力,在保留文物本身纹理细节信息的同时,增强生成拓片图像效果的真实性和自然性。实验结果表明,该文提出的方法能够生成质量更高、纹理细节信息更丰富的数字拓片图像,对文物保护和文化传承发挥着至关重要的作用。

一种基于改进DeepID2网络的转子碰摩声发射信号识别方法

提出了一种基于改进CNN的转子碰摩故障信号识别方法。针对传统CNN经常出现的梯度消失问题,把网络层的各层特征信息连接到一起,可有效避免边缘信息的损失,保留各层的信息特征;同时提取转子碰摩故障信号的声谱图以及差分特征等多通道图像的输入特征与优化后的CNN网络模型相适应;再利用包含各层信息的融合特征输入网络的全连接层,对转子碰摩故障信号进行分类识别。实验结果表明,提出的基于改进CNN的转子碰摩故障信号识别算法,与传统深度神经网络模型相比,识别率有较大提高。

模块结构驱动的甲骨字场景预测

未知甲骨字的语义破译是甲骨学研究的重要内容之一,也是历史学家研究甲骨文遇到的最大瓶颈。随着甲骨文拓片出土以及相关研究文献的增多,甲骨文数据呈现海量化和系统化。大规模甲骨文数据的出现为利用计算机技术破译未知甲骨字的语义提供可能,但现有的破译未知甲骨字语义的方法却寥寥无几。本文充分利用现有甲骨文数据的海量化和系统化特性,根据拓片信息构建甲骨字网络,并使用网络的模块特征分析甲骨字的场景。本文构建的网络和识别的场景信息为历史学家和计算机学家破译未知甲骨字的语义提供新的研究思路和直接的数据支持。

论无线网络数据传输资源的法律性质

针对时下无线网络数据传输资源频频被盗而法律保护不力的现象,从现实与法理两方面论证其法律性质为物并据此提出法律保护对策。

基于卷积神经网络的碑刻拓片楷体文字自动识别

拓片文字识读、处理困难是碑刻研究的一大障碍.论文基于卷积神经网络,自动识别碑刻拓片的楷体字形,以提高碑刻文字整理的速度和质量.论文实验选择了50个字的5万余张字形图片进行实验,取得了98.91%的识别正确率.