变分资格迹元强化循环网络用于空间滚动轴承剩余寿命预测

针对经典时间循环神经网络(SRNNs)在预测时间序列中存在长时依赖的缺陷,同时由于遍历整个训练数据集进行现有监督式学习增加了时间复杂度,造成SRNNs在预测空间滚动轴承剩余寿命中存在预测精度和计算效率较低的问题,提出一种变分资格迹元强化循环网络(VETMRRN)。在VETMRRN中,构建新型时间循环网络结构以增大历史信息记忆量,并设计基于神谕门机制的元学习超参数自初始化网络来加速搜索VETMRRN的最优回顾序列长度;设计含有资格迹算子的变分自编码元策略梯度学习算法,以提高对VETMRRN参数的训练速度和全局优化效果。在此基础上提出基于VETMRRN的空间滚动轴承剩余寿命预测方法。首先采用Shapely值特征融合提取空间滚动轴承的性能退化特征;然后将性能退化特征输入VETMRRN中预测性能退化特征趋势;最后建立威布尔分布可靠度模型来预测空间滚动轴承的剩余寿命。该方法具有较高的预测精度、较好的泛化性能和较高的计算效率。最后通过空间滚动轴承剩余寿命预测实例证明了该方法的有效性。

基于迁移学习的滚动轴承剩余使用寿命预测

为解决轴承剩余使用寿命预测模型预测泛化能力低,不能准确预测出未训练轴承剩余使用寿命的问题,本文提出了一种迁移轴承状态知识的剩余使用寿命的方法。利用计算时域、频域特征以及模糊熵作为预测特征,使用“3σ”准则将轴承全寿命过程划分为正常阶段、退化阶段,以实现对退化阶段轴承剩余使用寿命的预测。构建基于门控循环单元的轴承剩余使用寿命预测模型,并使用某一轴承的全寿命周期数据进行训练,使模型学习到新轴承的状态信息。研究表明:相较于未使用迁移学习的方法,其预测所有轴承的轴承剩余使用寿命平均均方根误差减小了52.53%,平均百分比误差减少了68.87%。本文提出的方法可以有效、准确地预测出轴承的轴承剩余使用寿命。

基于优化VMD-GRU的滚动轴承剩余使用寿命预测

为了提高滚动轴承剩余使用寿命(RUL)的预测精度,提出了一种变分模态分解(VMD)和门控循环神经网络(GRU)融合算法的滚动轴承RUL预测模型VMD-GRU。首先,该模型通过阿基米德优化算法(AOA)优化的VMD算法对原始振动信号进行分解;然后,利用最小包络熵准则选择最佳模态分量进行退化特征提取;再通过核主成分分析进行特征降维;最后,为保证模型准确率,通过鹈鹕优化算法(POA)优化GRU中的超参数,并根据不同故障类型建立GRU剩余寿命预测模型。使用XJTU-SY标准数据集进行剩余寿命预测验证,实验结果表明:与传统未结合故障类型提取退化特征和建立预测模型方法相比,VMD-GRU模型均方根误差和平均绝对误差分别降低了26.28%和27.17%。

不平衡数据下基于改进门控卷积网络的轴承故障诊断

深度学习在滚动轴承故障诊断中具有广泛的应用,然而,现实中的监测数据往往具有不平衡性,这就会对模型的诊断性能产生很大影响。因此,提出一种基于改进门控卷积神经网络(Improved Gated Convolutional Neural Network,IGCNN)的故障诊断方法,用于数据不平衡条件下的故障诊断。首先,提出改进门控卷积层以增强特征提取能力,通过批量归一化技术提高模型的泛化能力。然后,使用标签分布感知边界(Label-distribution-aware Margin,LDAM)损失函数提高模型对少数类的敏感度,减小数据不平衡对模型的影响。将所提算法应用在两组故障轴承数据上,在数据不平衡率为20:1的情况下,所提算法仍然可达到92.71%和94.47%的故障识别率,而对比的其他主流深度学习模型在该情况下只有60%~72%的准确率,表明所提方法在数据集严重不平衡情况下具有很强的诊断能力和鲁棒性。

基于DCNN网络及Self-Attention-BiGRU机制的轴承剩余寿命预测

深度神经网络在剩余寿命预测(RUL)领域得到了广泛的应用。传统的滚动轴承寿命预测模型存在预测精确度较低、鲁棒性较弱的问题。为了进一步提升预测模型的精确度以及鲁棒性,提出了一种融合深度卷积神经网络(DCNN)、双向门控循环单元(BiGRU)以及自注意力机制(Self-Attention)三种模块的滚动轴承剩余使用寿命预测模型。首先,利用DCNN网络对原始振动信号的时域特征、频域特征进行了提取;然后,使用不确定量化的方法对提取到的特征进行了评价和筛选,利用筛选过后的特征构建了新的替代特征集;最后,利用Self-Attention-BiGRU网络对轴承的剩余使用寿命进行了预测,并在IEEE PHM2012数据集上进行了验证。实验结果表明:相较于BiGRU、GRU和BiLSTM三种模型的预测结果,基于DCNN及Self-Attention-BiGRU方法的预测结果最优,两项误差值:平均绝对误差(MAE)、均方根误差(RMSE)最低,其中工况一的一号轴承RUL预测的MAE值相较于BiGRU、GRU以及BiLSTM网络分别下降了7.0%、7.4%和6.5%,RMSE值相较于其他三种模型分别下降了7.6%、8.4%和6.9%,预测的Score值最高,分值为0.985。通过不同数据集的划分,证明了该方法在轴承RUL预测时的强鲁棒性。实验结果验证了基于DCNN网络及Self-Attention-BiGRU模型在轴承剩余使用寿命预测中的有效性。

Flat-band voltage shift in metal-gate/high-k/Si stacks

In metal-gate/high-k stacks adopted by the 45 nm technology node, the fiat-band voltage （Vfb） shift remains one of the most critical challenges, particularly the flat-band voltage roll-off （Vfb roll-off） phenomenon in p-channel metal- oxide-semiconductor （pMOS） devices with an ultrathin oxide layer. In this paper, recent progress on the investigation of the Vfb shift and the origin of the Vfb roll-off in the metal-gate/high-k pMOS stacks are reviewed. Methods that can alleviate the Vfb shift phenomenon are summarized and the future research trend is described.

基于门控循环残差网络的滚动轴承故障诊断研究

滚动轴承的运行状态对整体机构的工作状态影响很大,防止因滚动轴承失效而产生的安全事故极为重要。而一维信号只利用卷积神经网络CNN(Convolutional Neural Networks)输出结果时无法充分利用数据间的时序信息的问题,因此,文中结合门控循环单元GRU(Gated Recurrent Unit)在处理时序数据所具有的优势,提出了一种门控循环残差网络结构,将CNN在强大的特征提取的优点与GRU处理时序数据的优点有机结合起来。为了验证算法的有效性,采用凯斯西储大学轴承数据集与齿轮箱轴承台架试验进行轴承故障诊断分析,同时引入常见神经网络作为对比,检验不同模型的分类性能。结果表明,在相同试验条件下相较于卷积神经网络等深度学习网络,文中算法具有更高的故障识别准确度和稳定性。

基于SWMM的城市闸泵群防洪排涝滚动优化控制研究

充分发挥管网调蓄能力,是应对城市内涝的重要手段。已有研究均针对于削减系统溢流量单一目标设计调度策略,缺乏考虑闸门开闭频繁造成的电力损耗和故障风险。为此,提出一种以削减系统溢流量和闸门开闭次数为优化目标的城市闸泵滚动优化控制模型,以美国诺福克海牙街区为对象开展实例研究。相比于静态调度,优化控制模型溢流削减率达到31.2%;相比于以削减溢流量为单一目标的调度方案,在保证排水系统溢流量基本不增加的同时,闸门开闭减少了59.80%。提出的方法能够为城市内涝时排水系统的调度方案的制定提供理论依据和科学指导。

基于CNN-GRU的滚动轴承寿命预测

针对滚动轴承随时间变化的剩余使用寿命难以预测的问题,提出将卷积神经网络和门控循环单元两者相结合的预测方法。首先将输入的振动数据进行预处理,其次将CNN层提取出的数据作为GRU层的输入,从而捕获到振动数据和CNN忽略的时序特征。实验结果表明:提出的CNN-GRU模型能够有效获取一维序列中的空间信息,并能捕获更深层次的轴承退化特征信息,提高了滚动轴承剩余使用寿命的预测精度。

基于CAE和AGRU的滚动轴承退化趋势预测

针对旋转机械中滚动轴承退化趋势预测存在健康指标构建依赖先验知识、预测精度低等问题,提出了基于卷积自编码器(convolutional auto-encodes,CAE)和融合注意力机制的门控循环单元(attention gated recurrent unit,AGRU)的滚动轴承退化趋势预测方法。首先,该方法通过快速傅里叶变换(fast Fourier transform,FFT)将滚动轴承时域信号转换为频域信号,卷积自编码器从频域信号中自适应提取特征,编码特征通过评估选择构建健康指标(health indicators,HI),在此基础上,将健康指标输入融入注意力的门控循环单元网络(gate recurrent unit,GRU)模型,剪枝算法对模型参数进行优化,完成了滚动轴承性能退化趋势预测。结果表明,所提的方法能获得更准确的滚动轴承退化趋势预测。

轻量涂布纸的生产经验

总结了轻量涂布纸的生产经验。主要阐述了轻量涂布纸的概念、生产设备以及轻涂对原纸、涂料的要求和轻涂纸生产中需注意的几个问题;重点论述了如何调整涂料配方对涂料和成纸性能进行优化;同时还给出了3家纸厂的轻涂纸典型性能指标。

公路收费亭环境噪声标准探讨

对湖北省１２个公路收费亭的交通噪声进行了测试和评价．从物理量、主观感觉和收费亭用途及工作性质三方面分析了收费亭内外交通噪声污染的程度。

基于FPGA的CMOS图像传感器的驱动开发

对比分析了COMS图像传感器IBIS5-A-1300的两种工作模式,使用Verilog语言对图像传感器的驱动时序进行硬件的描述,并用ModelSim对卷帘模式的设计时序进行仿真。采用了Altera公司的cycloneⅡ系列器件EP2C20F484I8进行配置和验证,结果证明了时序电路的正确性。该系统适用于航天领域空间图像采集任务。

水力自动滚筒闸门振动特性的试验研究

分析动水压力作用下新型水力自动滚筒闸门在开启工作过程中的振动响应,以揭示横置水中圆筒的振动加速度及位移变化规律.横置水中圆筒表面绕流流场水流变化复杂,目前水力自动滚筒闸门在动水压力作用下的振动无现成的计算方法.通过物理模型试验研究,发现在筒下开度一定的情况下,当上游水位不断上升时,筒体表面振动加速度呈现不断增大的趋势;当上游水位上涨至筒体上下同时泄水后,振动加速度增幅快速增长.与加速度变化规律不同,当上游水位与筒顶平齐且无水体附加质量约束作用时,筒体表面振动位移实测值最大.

防火卷闸门的智能化控制

本文介绍了一种基于 ＡＴ８９Ｃ２０５１单片机控制的防火卷闸门电气控制系统。通过单片机强大的算术逻辑运算功能，对烟感传感器与温感传感器的检测信号进行处理，以声光的形式实现火灾报警，并驱动防火卷闸门动作，控制火势蔓延，减少火灾损失。

智能防火卷闸门

本文介绍了一种基于AT89C2051单片机控制的防火卷闸门电气控制系统。由单片机对烟感传感器与温感传感器的检测信号进行处理,以声光的形式实现火灾报警,并驱动防火卷闸门动作,控制火势蔓延,减少火灾损失。

VB环境下应用Pro/E与AGW进行搓齿模具参数化设计

搓齿模具的设计质量和效率是精密冷滚轧技术中关键环节之一。本文介绍了在VB环境下应用Pro/E,AGW软件进行搓齿模具参数化设计及开发过程,简述了花键轴和搓齿模具参数化设计方法及其相互关系,并分析了花键轴成形过程及相关因素,对经过参数化设计得到的搓齿模具进行成形模拟,将工件成形后的渐开线花键轮廓齿形与理论渐开线花键轮廓齿形进行对比,验证了设计方法的可行性。为后续的设计分析、数字模拟仿真及产品系列化生产提供技术支持。

塑料盖壳的注射模设计

针对塑料盖壳零件,分析该产品成型材料共聚物(ABS)塑料材料的成型工艺,完成浇口、精定位、推板推出结构等模具结构的设计,使用Solidworks软件完成结构设计。该塑件注塑模具设计简便实用,生产塑料盖壳零件方便快捷,塑件质地均匀,缺陷小,合格率高,模具损耗小,是一副优质模具。

基于循环自编码网络的冷轧轧制力建模方法

在钢铁冷连轧生产过程中,轧制力预测结果直接影响带材的轧制精度和产品质量。为进一步提高轧制力预测精度,同时实现模型的在线更新,避免漂移问题,提出了基于循环自编码网络的轧制力模型。首先,使用循环自编码网络对处理好的输入数据进行特征提取,为了加速网络训练,加入了小批量训练方法,然后使用高斯过程回归模型对提取到的特征进行回归拟合。仿真结果表明,该模型预测精度可达3%以内,能够实现轧制力的高精度在线预测。

基于AT89C51单片机的防火卷闸门控制器的设计与实现

介绍一种基于AT89C51单片机控制的防火卷闸门控制器,对控制器的硬件、软件设计作了分析。在实践中应用证明,基于单片机的防火卷闸门控制器是一种经济可行的办法。