基于SDP和MCNN-LSTM的齿轮箱故障诊断方法

齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。

以“SDP数智赋能”为核心的电网基建项目智慧评价体系构建与实施 第三十七届山东省企业管理现代化创新优秀成果

坚持问题导向、结果导向,建立健全“全量评估、典型评估、专题评估、专项评估”的四级项目后评价工作体系,以电网基建项目全覆盖后评估全覆盖为切入点,以提升投资管理水平和投资效率效益为着力点,构建契合公司管理实际的“SDP”项目成功指数评价体系和标准化项目分类。

基于SDP的无线数据采集与传输的零信任方案浅析

文章分析无线数据在采集和传输方面存在安全风险趋势,引入基于SDP(软件定义边界)的零信任网络安全管控机制,详细阐述该机制在无线通信环境中的工作流程和作用,并提供相应的解决方案。对比5G专网和无线SDP架构在数据链路加密、网络暴露、认证手段、访问权限、用户监控、商业成本、安全性方面的不同。零信任方案能提高网络的安全性,有效应对现代网络安全面临的复杂挑战。

基于VMD-SDP融合图像和CNN的往复压缩机故障诊断

为提高往复压缩机的故障诊断精度,结合变分模态分解(Variational Mode Decomposition,VMD)、SDP变换和卷积神经网络(Convolution Neural Networ,CNN),提出基于VMD-SDP融合图像和CNN的往复压缩机故障诊断新方法。方法第一步通过VMD将信号自适应分解成6个本征模态函数分量(Intrinsic Mode Functions,IMF),第二步通过SDP变换将6个IMF分量变换成极坐标下的图像,从而得到VMD-SDP融合图像,第三步通过CNN对VMD-SDP融合图像进行识别,得到最终的诊断结果。往复压缩机诊断实例结果表明,所提方法在耗时更少的情况下,得到100%的诊断精度,比其他几种方法更具优势。

基于SDP图像和深度卷积网络的发动机故障诊断

为提高发动机故障诊断精度,提出一种基于对称极坐标(Symmetrized Dot Pattern,SDP)图像和深度卷积网络(Deep Convolutional Neural Network,CNN)的发动机故障诊断新方法。该方法以SDP变换为基础,将发动机故障振动信号转换为SDP图像,而后将SDP图像作为CNN的输入,实现发动机故障的CNN自适应特征提取和诊断。进行发动机典型故障实验,并利用所提方法进行故障诊断,结果表明,根据SDP图像可以直观地对发动机典型故障进行区分且耗时较少,而根据CNN网络可以有效地对SDP图像进行识别,诊断精度达到99.14%,相比于其他几种方法,诊断精度和计算效率均得到提升。

应用SDP点对称特征融合图像的行星齿轮箱故障诊断

行星齿轮箱的内部结构复杂,其振动信号呈现非线性、非平稳特点,通过对比两种对原始振动信号处理的方法,应用点对称特征融合图像(Symmetrized Dot Pattern,SDP)达到故障诊断的目的。第一种方法是将采集到的振动信号进行变分模态分解(Variational Mode Decomposition,VMD)并将各阶IMF分量通过SDP转换为极坐标图像;第二种方法是将多测点采集到的原始振动信号直接通过SDP将时频信号转换为极坐标图像;利用卷积神经网络(Convolution Neural Network,CNN)对两种不同方式的SDP图像进行识别分类。通过行星齿轮箱故障实验台验证,结果表明时频融合能够更有效地实现故障诊断且分类准确率高达98.5%。

基于参数优化SDP分析的转子故障诊断方法

针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型。试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好。基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度。

基于ITD-SDP图像特征和DSCNN的道岔转辙机故障诊断

针对道岔转辙机故障诊断问题,提出一种基于ITD-SDP图像形状特征和深度可分离卷积神经网络的故障诊断方法。首先对时域压力信号使用固有时间尺度分解算法进行分解,获得一系列固有旋转分量;然后进行对称点模式变换,将分解得到的固有旋转分量映射为雪花图像;最后通过深度可分离卷积神经网络算法实现道岔转辙机的故障诊断,同时与传统的CNN模型进行对比。实验结果表明:图像特征能够有效表征道岔转辙机的工作状态,深度可分离卷积神经网络模型对道岔转辙机4种状态的平均诊断准确率达到98.5%,验证了本方法的有效性和优越性。

基于SDP图像和MobilenetV2的滚动轴承故障诊断

针对传统滚动轴承故障诊断方法准确率偏低和故障特征难以提取的问题,提出了一种基于SDP图像和MobilenetV2的滚动轴承故障诊断方法。将经去噪处理后的滚动轴承振动信号转化为SDP图像,并输入到MobilenetV2网络中自适应地提取故障特征和分类,诊断出具体的故障类型。试验表明,在适量的训练样本下,所提方法的诊断准确率能达到98.2%。相比于其它传统深度学习方法,所提方法在诊断正确率和稳定性方面具有一定优势。在原始轴承振动信号中加入5 dB的高斯白噪声后,故障识别准确率仍能达到94.4%,证明了所提出诊断方法具有一定的抗噪性能和泛化能力。

不确定平方和凸多项式优化的SDP松弛与鲁棒鞍点刻画

考虑一类带不确定参数的平方和凸多项式优化问题.首先,借助鲁棒优化方法给出该不确定平方和凸多项式优化问题的鲁棒对等优化模型;然后,借助一类鲁棒型特征锥约束规格,建立该优化问题的精确半正定规划(SDP)松弛问题;最后,引入该不确定平方和凸多项式优化问题的Langrange函数,并借助平方和条件给出该不确定平方和凸多项式优化问题的鲁棒鞍点定理.

蓝牙SDP的分析和实现及其改进思路

基于IEEE802,11b和Bluetooth两大协议标准的无线网络解决了有线通信不便移动、缺乏灵活性和使用不便问题,因此越来越受青睐。该文分析与研究了工作于嵌入式移动环境的应用层协议——蓝牙服务搜索协议(SDP)体系架构、服务搜索机制及其实现,通过和IEEE802.11b协议的比较,针对SDP的不足提出了改进思路,从而加强了其安全性和传输速度。

基于SDP4模型的BDS卫星轨道预报精度

结合两行轨道根数(TLE)星历与SDP4模型预报BDS IGSO、GEO与MEO卫星30 d轨道,并采用GFZ事后精密星历评估轨道预报误差。将所得轨道预报误差与广播星历、历书的轨道预报误差进行对比,结果表明,本文方法轨道预报精度显著优于广播星历与历书。

流媒体SDP协议分析与应用

文章较详细地分析研究了流媒体SDP协议,并给出了重要的使用示例。

SGP4/SDP4模型用于空间碎片轨道预测的精度分析

为保证航天任务的顺利完成 ,必须采用一定的模型 ,对可能威胁目标轨道的空间碎片进行跟踪预测。文中首先给出标称轨道的计算模型 ;接着介绍两行轨道根数 (TLE)和考虑了简化常规 /深空扰动的近似解析解模型 (SGP4/SDP4) ,并提供TLE使用的坐标系和惯性系之间的转换 ;然后以典型轨道为例 ,分析SGP4/SDP4与标称轨道的偏差。运算结果表明SGP4/SDP4运算速度快 ,满足一定精度 ,可以用于空间碎片的轨道预测和初步威胁评估。

基于SDP法诊断发动机的异响

针对发动机异响特征与声信号的复杂性,提出了基于SDP(Symmetrized Dot Pattern)的发动机异响诊断方法。通过将测得的发动机各个局部位置的声信号将其时域波形转换为极坐标图形,利用正常发动机与产生异响发动机SDP图形之间的相关系数来判断所测发动机是否存在异响,与传统诊断方法即对时域与频域信号幅值不同进行对比分析相比具有分析时间短、辨别直观等优点。试验结果证明,SDP法能快速准确地分辨出正常发动机与异响发动机的差别,达到了对发动机异响诊断的目的。

蓝牙系统服务发现协议(SDP)的分析和应用

从应用的角度先介绍了蓝牙系统的SDP,然后对蓝牙设备间如何通过SDP进行服务的查询作了详细的讨论,最后提出了蓝牙技术的一些新型应用方案。

SGP4/SDP4模型应用于水平式光电跟踪设备的卫星轨道预报

针对以往水平式光电跟踪设备卫星轨道预报算法在卫星过天顶时由于方位角速度很快,导致的轨道预报精度差的问题,本文提出了一种基于SGP4/SDP4模型计算水平式卫星预报数据的算法,该算法直接计算卫星相对于水平式测量设备的轨道预报数据,相对于传统的先计算地平式设备的测站坐标,再进行坐标变换的算法,可有效地消除天顶引导误差。经过实验数据分析,其引导精度及稳定性可由4.5'提高到2.89″量级。可见,本文算法可有效地解决了卫星过天顶盲区的稳定跟踪问题,对高仰角卫星轨道预报具有更高的引导精度。

SDP法制备碳纳米管-TiO_2纳米复合光催化剂及降解喹啉

针对溶胶凝胶法制备光催化剂过程中颗粒分散不均匀、易团聚的问题,采用SDP(Spinning disk process)联合溶胶凝胶法制备不同焙烧温度的多壁碳纳米管(MWCNTs)-TiO_2光催化剂。通过XRD、FTIR、SEM、TEM表征样品的微观结构和形貌,利用UV-vis DRS(Ultraviolet visible diffuse reflectance spectra)表征其可见光响应性,并考察样品在可见光下降解喹啉的性能。结果表明,SDP联合溶胶凝胶法能够以连续流形式制备更微小的、分散更均匀的光催化纳米颗粒(晶粒尺寸约为10 nm);MWCNTs以光敏化剂的形式使样品具有可见光响应,450℃下焙烧得到的光催化剂MCT_3有最强的可见光吸收和最佳的催化活性,反应时间为180 min时,喹啉降解率为86.6%。

基于SDP与图像匹配的离心风机失速实时检测

为了及时、准确地对离心风机旋转失速进行检测,提出了一种基于对称点模式(SDP)分析与图像匹配相结合的方法.在G4-73No.8D离心风机实验台上进行旋转失速渐进过程实验,采集机壳内壁气体动态压力信号,对该压力信号进行SDP变换,建立风机正常运行和失速状态下的SDP模板图;选取风机80个采样点内的动态压力信号进行SDP变换,并与模板图进行图像匹配,每隔16个采样点进行一次,直至风机由正常运行到完全失速.通过小波变换方法离线检测实验信号失速起始点,以验证本方法的准确性.结果表明:该方法可在0.35s内准确检测到弱失速起始点,在0.05s内准确检测到强失速起始点.

一种SDP扩展的传感数据描述协议探索

随着传感网络理论和技术的不断发展,对网络化传感器的开放性和互操作性提出了更高的要求,传感数据标准化描述正成为研究热点。提出了一种基于扩展SDP(Session Description Protocol)的传感数据描述协议SDDP(SensorData Description Protocol)。该协议以文本方式对传感器固有参数进行一定程度的定义,并用ABNF语言对其做了形式化描述,为网络化测控环境下传感器的互联和使用带来了方便。通过与在通信领域取得巨大成功的SIP协议结合,SDDP协议实现了网络化传感器与其它设备的高效互联。应用了RS232,OPC等接口标准来传输SDDP协议数据,并分析了其时间性能。实验表明SDDP具有较好的易用性和开放性,有助于形成传感器接口标准化。