Research on Instantaneous Angular Speed Signal Separation Method for Planetary Gear Fault Diagnosis

Planetary gear train is a critical transmission component in large equipment such as helicopters and wind turbines. Conducting damage perception of planetary gear trains is of great significance for the safe operation of equipment. Existing methods for damage perception of planetary gear trains mainly rely on linear vibration analysis. However, these methods based on linear vibration signal analysis face challenges such as rich vibration sources, complex signal coupling and modulation mechanisms, significant influence of transmission paths, and difficulties in separating damage information. This paper proposes a method for separating instantaneous angular speed (IAS) signals for planetary gear fault diagnosis. Firstly, this method obtains encoder pulse signals through a built-in encoder. Based on this, it calculates the IAS signals using the Hilbert transform, and obtains the time-domain synchronous average signal of the IAS of the planetary gear through time-domain synchronous averaging technology, thus realizing the fault diagnosis of the planetary gear train. Experimental results validate the effectiveness of the calculated IAS signals, demonstrating that the time-domain synchronous averaging technology can highlight impact characteristics, effectively separate and extract fault impacts, greatly reduce the testing cost of experiments, and provide an effective tool for the fault diagnosis of planetary gear trains.

Development of Fault Management Dispatcher Training Simulator for TDAS in Korea

A fault management dispatcher training simulator for large-scale Distribution Automation System (TDAS) is developed to train operators in distribution control center. This simulator is composed of independent simulation server and operator consoles and can be used for network analysis, network operation, fault management and evaluation. TDAS DB is duplicated online to the simulation server keeping the data security. The system can model distribution network penetrated with distributed generations (DG) using the real data from the TDAS DB. Network fault scenarios are automatically generated by calculating fault current and generating fault indicators. Also, manual entry of cry wolf alarm is available. Moreover, operation solution for scenario of fault isolation and service restoration is generated automatically so that trainee can check their operation result. Operator actions during training session are saved and can be played back as well as displayed on one-line diagram pictures.

基于DFD-DBSCAN的高速列车电池组多故障诊断方法

高速列车电池作为备用电源,被广泛应用于辅助供电系统以维持高速列车控制系统的正常运转,其可靠性涉及行车安全。列车频繁起停、频繁加减速以及震动等多种复杂运行环境易导致电池单体故障和连接故障。为了保证高速列车的安全运行,高速列车电池组的状态检测与多故障诊断研究备受关注。目前,针对高速列车电池组的多故障诊断方法的研究尚属空白,提出一种基于改进离散弗雷歇距离(Discrete Fréchet Distance, DFD)和自适应密度聚类(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)的高速列车电池组的实时多故障诊断方法,以准确识别电池组的连接故障和单体故障。以高速列车电池作为研究对象,通过设计适用于高速列车电池组的电压交叉测量方法,使得电池电压和连接板电压与不同的电压传感器相关联,并通过DFD算法对电池组的故障特征进行提取,将电压偏移率与DFD共同作为故障诊断模型的参数输入以提高算法的鲁棒性与可靠性,接着引入DBSCAN算法自动对故障诊断并定位。为了保证算法的实时性,利用基于滑动窗口的遗忘机制实时地对采样数据进行诊断。通过实验对所提出的方法进行验证,结果表明该方法可及时有效地诊断电池组的单体故障与连接故障并准确定位,弥补了高速列车电池组多故障诊断方法研究的缺失,对提高轨道列车的行车安全具有工程实用意义。

基于边界感知的工业设备故障命名实体识别方法

命名实体识别在识别工业设备故障方面发挥关键作用,有助于故障预测、维护管理和智能决策。针对工业设备故障数据中存在的嵌套结构和长跨度问题,提出一种边界感知的实体识别方法。该方法通过边界感知精准定位实体跨距,并结合类别预测判断实体跨距的所属类别,以提高识别性能。此外,为解决标注数据的缺乏的问题,还构建面向工业设备故障的实体识别数据集。实验结果证明了该方法在工业设备故障实体识别方面的有效性,并为后续数据分析和知识图谱的构建提供了坚实基础。

清单教学模式联合“找茬”法在民营医院护士规范化培训中的应用

目的:探讨清单教学模式联合“找茬”法在民营医院护士规范化培训中的应用效果。方法:选取2020年1月—12月南通瑞慈医院新入职护士63人作为对照组,实施传统护理培训模式;2021年1月—12月新入职护士60人作为观察组,实施清单教学模式联合“找茬”法,成立临床实践技能同质化培训考核小组、制定教学任务清单、“找茬”式培训。结果:观察组新员工临床技能考核中评估、评判性思维、总体评价3个维度的结果高于对照组,差异有统计学意义(P<0.05);观察组教学满意度中培训形式、课程设置、培训氛围、带教老师授课水平、提高理论水平、启发评判性思维、提高临床实践能力、培训的整体评价、收获程度9个维度的满意度高于对照组,差异有统计学意义(P<0.05);观察组岗位胜任力评价中临床工作质量;工作知识和技能;人际沟通、团队协作和自主创新精神;责任心、主动性和慎独精神4个维度的评价高于对照组,差异有统计学意义(P<0.05)。结论:清单教学模式联合“找茬”法培训形式更新颖、灵活,更有利于提高新护士学习的主动性、参与性,提高护士的综合能力、教学满意度和岗位胜任能力,更贴合现代护理模式对护理人员提出的新要求。

基于车体接地电流的故障列车精准识别方法

针对专用回流轨直流牵引供电系统发生正极与车体短路故障时,故障列车不能被精准识别的问题,首先给出了双边供电牵引系统等值模型,其次分析了故障列车和正常列车的车体接地电流特征差异,最后提出了一种基于车体接地电流的故障列车精准识别方法。所提方法采用列车的车体接地电流幅值和方向作为故障识别判据,当其幅值小于整定值时判断列车正常,当大于等于整定值时继而采用其方向进行判断,电流为正方向的列车被判为故障车,电流为反方向的列车被判为正常车。该方法原理简单,实现方便,实用性强,采用双重判据能有效避免误判,可靠性高。通过Matlab仿真和现场试验录波验证了方法的可行性和有效性。

面向实战训练的装备模拟训练系统

针对传统模拟训练系统存在的问题,设计一种由指挥模拟训练系统、通信模拟训练系统、特装车辆实景驾驶模拟器、测试发射操作模拟系统等组成的装备模拟训练系统。通过复杂环境下的无线通信仿真模拟、3维地理信息高效采集与快速重建、特装车辆动力学仿真与运动控制、装备测试发射故障仿真训练等技术应用,解决部队复杂场景通信仿真训练、复杂作战区域实景驾驶训练、装备操作与故障处置训练等需求。应用结果表明,该系统可显著提升部队指挥人员、通信保障人员、作战人员的训练效率。

城市轨道交通列车故障救援方案的研究

[目的]城市轨道交通一旦发生故障,需要其他列车救援,就会严重影响后续列车运行和乘客的出行安全。若救援的路径选择不合适,还会对已开通的线路造成二次影响。故需基于救援路径和组织,研究列车救援方案。[方法]分析现有的城市轨道交通列车故障救援程序。结合列车故障救援的实际作业时间和流程,分析列车故障救援过程及作业时间。对一条线路不同位置发生列车故障时的救援路径选择进行了探讨,从救援列车的选择、救援方式的选择和故障列车存放位置的选择三方面入手,对其进行组合,得到列车故障救援的不同方案。以上海轨道交通7号线为例,进行列车故障救援方案的比选和汇总。[结果及结论]把列车故障救援过程分为故障处置、救援准备、救援处置和救援结束4个阶段。基于救援列车的选择、救援方式的选择和故障列车存放位置的选择及组合,得到了上海轨道交通7号线全线列车故障救援方案图。经实践验证,该救援方案能有效地避免二次延误,进而提升地铁服务质量。

基于Petri Fault Net的磁浮列车悬浮系统故障分析

随着磁浮列车技术的商业化应用,磁浮列车系统故障诊断越来越受到重视。以中低速磁浮列车为背景,在建立磁浮列车悬浮系统故障模型的基础上,针对磁浮列车悬浮系统的复杂性,将基于Petri Net的故障诊断理论Petri Fault Net应用于磁浮列车悬浮系统的故障诊断中。给出了基于Petri网的最小割集寻找方法;根据磁浮列车2001年以来的运行数据统计,计算出了节点的P概率/T概率;在此基础上进行了故障定位和影响分析。列车的试验运行验证了提出的理论准确性。

计算机联锁接发列车故障设置盘的设计与实现

针对车务接发列车人员使用计算机联锁仿真培训系统开展培训存在的共性问题,采取在既有计算机联锁实训设备上增设接发列车故障设置盘方法实现故障设置,满足接发列车人员实训需要。通过梳理车站固定信号联锁设备故障实训项目,基于TYJL-ADX计算机联锁设备工作原理,提出接发列车故障设置盘的设计和电路实现。经试验表明,该方法不仅满足“故障-安全”的设计原则,而且能有效解决仿真培训系统存在的共性问题,有较强的通用性和推广价值。

城市轨道交通司机辅助排故支持系统研究

为帮助司机快速、准确地定位和解决车辆故障,缩短故障识别和排除时间,提高运营效率和安全性,研发城市轨道交通司机辅助排故支持系统。当列车发生故障时,司机根据系统终端手台指引进行引导式识故和向导式排故,直至完成排故或申请救援。系统集成外部车辆数据,实时显示列车状态,并及时向司机手持端推送列车故障信息;对于无实时故障推送车型,基于智能决策树算法实现引导式识故。构建包含常见故障及其处理方法的知识库,结合实时数据和历史记录,提供智能化的故障处理建议。该系统可确保司机在列车故障时采取正确的应急处置措施,有效缩短应急响应时间及减少救援,降低因人为失误造成的运营风险。

从BERT到ChatGPT:大模型训练中的存储系统挑战与技术发展

以ChatGPT为代表的大模型在文字生成、语义理解等任务上表现卓越,引起了工业界和学术界的广泛关注.大模型的参数量在3年内增长数万倍,且仍呈现增长的趋势.首先分析了大模型训练的存储挑战,指出大模型训练的存储需求大,且具有独特的计算模式、访存模式、数据特征,这使得针对互联网、大数据等应用的传统存储技术在处理大模型训练任务时效率低下,且容错开销大.然后分别阐述了针对大模型训练的3类存储加速技术与2类存储容错技术.针对大模型训练的存储加速技术包括:1)基于大模型计算模式的分布式显存管理技术,依据大模型计算任务的划分模式和计算任务间的依赖关系,设计模型数据在分布式集群中的划分、存储和传输策略;2)大模型训练访存感知的异构存储技术,借助大模型训练中的访存模式可预测的特性,设计异构设备中的数据预取和传输策略;3)大模型数据缩减技术,针对大模型数据的特征,对模型训练过程中的数据进行缩减.针对大模型训练的存储容错技术包括:1)参数检查点技术,将大模型参数存储至持久化存储介质;2)冗余计算技术,在多张GPU中重复计算相同版本的参数.最后给出了总结和展望.

面向联合收割机故障诊断领域知识图谱的构建技术及其问答应用

联合收割机作为一种有效的机械化收割设备,可以极大地提高农作物的收获效率。然而在进行收割作业时不可避免地会发生一些机械故障,由于驾驶员缺乏专门的维修经验,无法确定故障发生的原因以及出现故障后应该如何维修机器,导致严重影响农作物的收获,甚至还可能引发安全事故。由于知识图谱能够利用图数据库将专家知识等非结化数据进行规范化的存储,所以在故障诊断问答领域,知识图谱有着良好的应用前景,基于此提出一套面向联合收割机故障诊断领域知识图谱的构建方法。根据专家知识明确知识图谱中所需要的实体和实体关系类型,利用RoBERTa-wwm-ext预训练模型融合双向门控循环单元(BiGRU)和Transformer编码器的实体抽取模型对非结构化文本进行实体抽取;利用RoBERTa-wwm-ext预训练模型融合循环神经网络(RNN)模型对抽取的实体进行实体审核;在实体审核完成后使用RoBERTa-wwm-ext预训练模型融合双向门控循环单元(BiGRU)和注意力机制的关系抽取模型对头实体和尾实体之间存在的实体关系进行抽取;将抽取到的实体和实体关系组成三元组,利用三元组构建知识图谱,从而可以利用知识图谱实现智能问答。

载人飞行航天员处置突发故障的能力训练需求分析与方法探索

载人飞行中处置突发故障的能力是航天员应具备的重要能力之一。介绍了中国载人飞行空间站任务组合体应急与故障的分类,利用胜任力洋葱模型从组合体应急与故障处理的内容、任务要求等方面对航天员具备的胜任能力由内到外分层剖析,得出组合体应急与故障处理胜任能力各元素,根据组合体应急与故障处理航天员应具备的能力特点构建了组合体应急与故障处理能力的结构模型;对训练的方法进行研究,并从训练的途径和举措方面出发对需要关注的问题开展了研究。通过多次在轨飞行任务航天员应对各类故障的处置情况及失压失火在轨演练中航天员的表现,验证了训练方法的科学合理性。

基于联邦学习的多线路高速列车转向架故障诊断

单一线路高速列车转向架缺少足量故障数据特征,导致故障诊断模型泛化能力有限,为实现诊断多条线路高速列车的转向架故障,提出一种基于联邦学习的转向架全局故障诊断方法.针对每条线路各自的转向架振动信号,在本地使用多尺度卷积融合算法,提取不同尺度下的故障特征并融合,在本地建立局部转向架故障诊断模型;在不泄露数据隐私的前提下,所有线路的故障诊断模型通过第三方聚合,调整模型参数权重,对故障诊断模型进行优化,最终实现多方联合训练转向架全局故障诊断模型.实验表明:在联邦学习框架下,转向架全局故障诊断模型不仅对参与联邦建模的线路转向架故障诊断准确率达到93%以上,而且对于未参与联邦建模的线路转向架故障诊断率也可达到75%以上,给轨道交通中的“数据孤岛”问题提供了一种切实可行的方案.

高速列车受限自适应有限次迭代学习容错控制

为研究高速列车(High-Speed Train, HST)自动运行系统在执行器故障和速度受限下的速度控制问题,本文提出一种有限次运行收敛的受限自适应迭代学习容错控制(Finite-Iteration Constrained Adaptive Iterative Learning Fault-Tolerant Control, FI-CAILFTC)方法。首先,基于障碍组合能量函数(Barrier Composite Energy Function, BCEF)构建沿迭代域方向有限次运行收敛条件,并且利用所期望任意跟踪精度计算所需运行次数,同时,指导控制器参数选择,以保证HST有限次运行收敛性;其次,设计具有自适应容错能力的迭代学习控制算法,对未知时变且迭代变化的执行器故障进行自适应估计和补偿;再次,针对HST运行过程中超速问题,在所设计容错控制器基础上,加入超速防护机制,保证HST实际运行速度始终满足速度约束,保障列车安全运行;最后,以CRH-3型高速动车组列车作为研究对象,对设计的控制方法进行仿真研究。仿真结果表明:FI-CAILFTC方法下,HST速度跟踪误差在预先计算出的第17次迭代后达到期望控制精度0.2,相较于对比算法,控制精度分别提高了90.70%和90.22%;FI-CAILFTC有更快的收敛速度和更好的自适应容错能力;HST实际运行速度始终主动满足速度受限。

基于差分进化变分模态分解的直升机行星轮系故障监测

作为传动系统的核心减速部件,行星轮系故障监测对直升机的飞行安全至关重要,而行星轮系复杂且独特的齿轮传动结构使振动信号呈现非常复杂的信号形态,针对复杂信号背景下故障特征的提取难题,提出了基于差分进化变分模态分解(Differential Evolution Variational Mode Decomposition,DEVMD)的直升机行星轮系故障监测方法。方法集成重叠组收缩(Overlapping Group Shrinkage,OGS)算法作为前置滤波进行背景噪声抑制,结合DEVMD方法的高性能模态分解能力剥离出其他旋转部件的信号分量,获得行星轮系故障敏感信号分量,最后提取出峭度-包络谱熵作为故障指示因子进行直升机行星轮系故障监测,实验结果证明了方法的有效性。

基于STM32的接线状态检测系统设计与实现

职业教育肩负着培养生产服务一线高素质技能人才的重要职能,相比于普通教育,更加注重实践技能和实际工作能力的培养,为培养高素质技术技能型人才,各职业院校在实训设备及实训场地之上的投入居高不下,意在夯实实训基础。然而实训过程中的效率及实训设备的完好率一直是制约技术技能高效培养的一大痛点。集接线检测、故障显示及自主评分于一体的接线状态检测系统设计案例,提高了实训课程授课效率,降低了实训设备故障率。以期为各院校致力于探索提高实训授课效果的各位同仁些许启发、借鉴。

重庆轨道交通2号线列车过压斩波IGBT(绝缘栅双极型晶体管)故障分析及解决措施

[目的]重庆轨道交通2号线列车正线运营出现多起过压斩波IGBT(绝缘栅双极型晶体管)故障,影响了线路的正常运营,需分析故障原因,并提出解决措施。[方法]基于过压斩波原理,分析故障现象及故障机理,进而得到故障原因,建立了实物测试单元对故障原因进行试验验证,进而针对性提出解决措施。[结果及结论]由于驱动板、适配板和斩波器IGBT被击穿,故报出OVT-IGBT故障。此外,由于IGBT被击穿,过压斩波回路处于导通状态,故过压吸收电阻长时间工作致使其温度过高而损坏,触发GR(接地)故障。试验结果进一步验证,斩波器关断瞬间产生的尖峰电压是IGBT发生故障的主要原因。改进措施为:优化过压吸收回路主动放电功能,降低过压吸收回路斩波器的工作频率;优化VVVF(变压变频)控制程序,增加有斩无流故障逻辑、未斩有流故障逻辑和一旦故障便切除本故障单元的逻辑;优化驱动板的相关参数,降低IGBT的开关频率。实际结果表明,改进措施能有效解决OVT-IGBT故障问题,使牵引故障率明显下降,保证了重庆轨道交通2号线的正常运营。

基于自训练SGAN的调压器半监督故障诊断模型

针对实际工况下调压器标记样本稀缺导致故障诊断效果不佳的问题,基于自训练算法与半监督生成对抗网络(semi-supervised generative adversarial network,SGAN)设计了故障诊断模型。首先,对燃气调压器一维压力信号进行预处理,得到灰度图像样本。之后,基于深度卷积生成对抗网络,设计SGAN进行特征提取,判别器采用具有共享权值的堆叠鉴别器模型。然后,设计自训练算法,使用训练好的初始分类器预测无标签样本的类别标签。最后,采用重复标记方式将满足要求的样本扩充到有标签样本集重新训练,保存最终的分类器。实验结果表明,在少量调压器标签样本的情况下,所提模型依旧具有良好的性能。