基于无监督特征学习的行星齿轮箱故障特征提取和检测

风电机组行星齿轮箱振动信号是一种非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。将卷积自动编码器引入风机故障检测领域,构建了一种一维卷积自动编码器网络结构。首先训练卷积自动编码器无监督的提取数据特征,得到行星轮不同健康状况的特征向量,再对特征向量求取平均值获得指标向量。通过监督学习获得最优闵可夫斯基指数,最后通过测试数据的特征向量和指标向量之间的闵式距离来判断故障类型,实现了行星齿轮不同健康状况数据的识别和分类。实验结果证明,该方法可以有效的提取行星齿轮箱故障特征并达到诊断故障的目的。

基于一维卷积神经网络和Soft-Max分类器的风电机组行星齿轮箱故障检测

将卷积神经网络引入风机故障检测领域,设计了一种一维卷积神经网络的结构,并和Soft-Max分类器相结合构造了一种双层智能诊断架构。一维卷积神经网络用于行星齿轮箱数据的特征提取,Soft-Max分类器对提取的特征进行分类。与传统智能算法相比,该方法具有训练样本少,可直接使用原始数据训练网络;计算效率高,可以适应实时诊断的需要。试验结果证明,该方法可以有效地诊断出不同工况下的行星齿轮箱中的齿轮故障。

审计信息化管理的意义及措施

审计逐渐向信息化方向发展,为了进一步提高内部审计在企业管理中的作用,基于企业ERP环境下内部审计的新动向,深度分析了ERP环境下内部审计对象的变化特征,提出了实行计算机审计、对审计证据进行鉴定、对ERP系统本身进行审计等方法,本文主要分析了审计信息化管理的意义及策略。