智能工程机械运用技术专业人才培养方案和动态调整机制

随着我国市场经济的飞速发展,高职院校作为培养人才的重要基地,在为市场输入大量优秀技术技能型人才方面起到了非常关键的作用。对工程机械行业来说,当前人才市场能够熟练掌握工程机械数字化运用技术的人才供应较为紧缺,且对人才培养质量和技术技能要求较高。为此,高职院校要想适应工程机械市场有关数字化施工岗位的人才需求,就必须重视在智能工程机械数字化施工这一专业领域的研究,加强教学的创新与人才培养方案改革,这样才能在保证院校专业教学质量的基础上,更好地实现教学与岗位技能的对接,促进工程机械行业的发展。基于此,文章围绕高职智能工程机械运用技术专业人才培养模式展开研究,在充分考量数字化应用背景的基础上,结合工程机械人才需求进一步优化人才培养方案,旨在构建新型智能工程机械运用技术专业人才培养新模式。

基于VMD-SVD和SVM的旋转机械故障诊断研究

旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法。首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后,对各分量信号进行了信号重构,应用SVD提取了其重构信号的奇异值特征向量;最后,将其特征向量输入SVM进行了故障诊断,利用双跨度转子故障模拟实验台实测数据验证了该方法的有效性。研究结果表明:基于VMD-SVD方法得到的模态分量(IMF)矩阵的奇异值表现出很好的稳定性,在三维特征散点图中表现出很好的可分性;在变工况和不同转速下,与其他组合方法相比,该方法具有更高的识别准确率,平均分类识别率分别到达了95.96%、95.95%,可以有效地辨识出轴承等旋转机械的故障类型。