基于CNN-BiLSTM的液压系统故障诊断

针对复杂液压系统中主要元件故障诊断问题,提出一种基于一维卷积神经网络(1D-CNN)和双向长短时记忆网络(BiLSTM)实现多传感器信息融合的故障诊断模型,对柱塞泵和节流阀进行故障诊断。在模型中,首先对多种传感器采集到的信号进行数据级融合,然后利用CNN提取融合信号的故障特征并进行降维,之后利用BiLSTM学习信号中正反向数据特征,最后使用Softmax进行分类,实现对柱塞泵和节流阀故障的诊断。实验结果表明,提出的方法能够自动提取信号中的故障特征并考虑信号中所包含的正反向数据特征,柱塞泵诊断精度可达96.3%,节流阀诊断精度可达94.28%,实现了对柱塞泵和节流阀故障状态的准确可靠诊断。

基于自然语言处理方法的S系列标准间数据映射关系

为解决S系列标准映射关系寻找难度大等问题,使用基于自然语言处理方法进行研究。分析S系列各标准数据元素的特点,并与人工寻找方法所得的映射关系进行对比验证。实验结果表明:该方法不仅能大幅提高寻找映射关系的效率,还能在较小的范围内寻找出所有的准确匹配对,便于人工筛选。

任职教育背景下《航材仓储管理》课程教学设计的思考

任职教育背景下课程教学设计必须具有任职教育鲜明的特点,最终达到培养学员岗位任职能力的目的。根据《航材仓储管理》课程的性质和地位,结合教学对象分析,分别从内容优化加工、教学措施设计、考核成绩评定三个方面对课程教学设计进行了一定的改革与探索,收到了良好的教学效果。