基于改进残差神经网络的轴承损伤识别

针对大型设备齿轮箱轴承的损伤特征提取困难,信息容易丢失等问题,提出改进残差神经网络识别轴承损伤。在残差神经网络中引入压缩激励机制和BN算法,压缩激励机制建立特征通道关系,利用网络学习权重提升关键特征,实现轴承损伤的准确识别。BN算法可以加速网络收敛速度,抑制网络学习过拟合。经变负载工况的旋转损伤实验平台验证,改进的残差神经网络能够有效识别轴承损伤,对大型高速设备的平稳运行,合理安排检修时间,具有一定现实意义。

对旋风机变工况下两级叶轮变转速匹配研究

为了解决对旋风机小流量工况下第二级电机易过载以及大流量工况下第二级叶轮压升低、效率低的问题,提出了不同工况对应不同两级叶轮转速的转速匹配方法。利用速度三角形推导出不同工况下两级叶轮转速匹配的计算公式。利用数值模拟的方法,分析并修正了两级叶轮转速匹配计算公式,结果表明:两级变转速匹配能够在保持整机压升不变时,均匀地分配两级叶轮的压升与轴功率,避免了二级电机过载的问题,提高了大流量工况的运行效率,扩大了高效工作范围。

MPSTD算法子域分界面上改进的特征变量匹配条件

多区域时域伪谱(MPSTD)算法用于复杂问题分析时,整个计算域的相邻子域间将存在多种类型的分界面,子域间信息的交换通过这些分界面上的匹配条件来实现.由于特征变量(CV)匹配条件的局限性,它只适用于一些特定类型的分界面.为此,本文针对任意类型分界面,推导了改进的特征变量(ICV)匹配条件,并给出了ICV匹配条件在分界面上的场值更新关系.在此基础上,将MPSTD算法与ICV匹配条件相结合分析了两根正交矩形波导构成的波导宽壁中心斜缝耦合器,数值结果与FDTD结果的一致性充分说明了ICV匹配条件的准确性和有效性.同时,对矩形波导宽壁中心斜缝耦合器的分析也拓展了MPSTD算法的应用领域.

MPSTD算法中子域分界面匹配条件的比较研究

针对多区域伪谱时域算法(MPSTD)中子域分界面两侧为不同介质的情形,提出了特征变量物理边界(CVPB)子域分界面匹配条件,然后在总结现有子域分界面匹配条件的基础上,分别比较了子域分界面两侧为相同和不同介质时各种子域分界面匹配条件的稳定性。数值仿真表明,在子域分界面两侧为相同介质材料时采用特征变量法匹配条件,而在子域分界面两侧为不同介质材料时采用CVPB匹配条件,可使得MPSTD算法稳定性最好。

平坦/粗糙地表下目标散射特性的MPSTD算法分析

将MPSTD算法与特征变量-物理边界(CV-PB)匹配条件相结合来模拟探地雷达(GPR)问题,对平坦地表/粗糙地表下不同电磁参数、不同形状目标的散射特性进行了分析。由于这类电磁问题中不仅存在多种类型的子域分界面,而且子域分界面两侧存在多种媒质参数,所以它的准确分析不仅进一步验证了CV-PB匹配条件的有效性和准确性,而且也为电大尺寸空间复杂地表、复杂媒质中曲面形状目标体散射特性的快速、准确分析提供了一种思路。