-
旋转机械振动系统的深层LSTM残差神经网络分析
来源:设备管理与维修 发布日期:2024-01-25
随着生产加工行业对可靠性和精度要求的日益提高，实时、高效地获得转动机械故障信息是保障装备安全稳定运转的重要因素。将基于LSTM深层残差网络的旋转机械振动特征提取方法引入到系统中，研究基于LSTM深层残差网络以及基于GAP-ELM的振动特征提取方法，实现旋转机械振动特征提取，并提出一种基于LSTM单元的“记忆—遗忘”栅格算法，实现对原始数据的深度挖掘。该算法可以避免常规算法在识别精度上的不足，能够高
-
纯电动汽车电驱动系统故障诊断研究进展
来源:汽车工程 发布日期:2024-01-25
为全面梳理纯电动汽车电驱动系统故障诊断的发展现状，明确未来发展趋势，本文首先介绍了纯电动汽车电驱动系统的基本架构、功能及发展历程；然后详细总结了纯电动汽车电驱动系统关键部件的故障类型及原因，分析了纯电动汽车电驱动系统关键部件故障诊断方法的主要研究现状；接着将诊断方法从专家知识驱动、模型驱动、信号驱动和数据驱动4个方面详细综述了纯电动汽车电驱动系统国内外研究进展和发展动态，并针对不同方法的优缺点进行
-
基于模糊神经网络的机械轴承故障诊断方法研究
来源:工业控制计算机 发布日期:2024-01-25
针对机械轴承智能化故障诊断的需求，提出了一种融合模糊逻辑和神经网络的故障诊断方法。利用EMD-AR谱提取机械故障振动信号特征，将提取的特征向量作为训练样本库和检验样本库，运用模糊神经网络实现故障诊断。最后设计机械轴承故障诊断专家系统，并通过轴承故障诊断实例，验证了智能诊断技术在机械故障诊断领域可以较好地满足诊断需求。
-
装甲装备机械类故障诊断研究进展综述
来源:机电工程技术 发布日期:2024-01-20
装甲装备集机动、防护、火力和信息力于一体，是第二次世界大战以来各国陆军的主要装备，在未来机械化、信息化、智能化战争中依旧是陆地战场的主角。装甲装备在使用过程中不可避免地会发生故障，这些故障中以机械类故障最为常见。当装甲装备机械故障发生时，轻则影响武器效能的发挥，重则直接决定战争胜负。因此对装甲装备进行状态监测与故障诊断是保证其使用安全、发挥其作战效能的重要手段。从振动监测、噪声监测和油液监测方面详
-
基于卷积自注意力网络的机械设备故障诊断方法
来源:舰船电子工程 发布日期:2024-01-20
基于深度学习的机械设备故障智能诊断方法依赖于大量有标签的样本数据。然而，工程应用中通常难以获取足够的样本数据，这使得深度学习方法难以充分挖掘故障特征，严重影响故障诊断模型的泛化性和鲁棒性。基于此，论文提出一种基于卷积自注意力网络和先验知识的机械设备小样本故障诊断方法。所设计的卷积自注意力网络能够自动学习样本特征，并在训练过程中融合样本多维度特征先验知识，从而减少诊断模型训练所需的样本量，提高小样本
-
IMIBSE与ISOMAP在旋转机械故障诊断中的应用
来源:机电工程 发布日期:2024-01-18
针对基本熵的区域划分标准不理想，导致无法有效测量振动信号的复杂度，使故障诊断的准确率不佳这一问题，提出了一种基于改进多尺度改进基本熵(IMIBSE)、等距特征映射(ISOMAP)和随机森林(RF)的旋转机械故障诊断方法。首先，采用基于方差的区域划分准则对基本熵进行了改进，结合改进的粗粒化处理，提出了IMIBSE,并将其用于提取故障特征；随后，利用ISOMAP对原始故障特征进行了特征降维，选择了对分
-
基于PSO-IBP神经网络的纯电动汽车电驱总成故障诊断
来源:现代制造工程 发布日期:2024-01-18
为了提高纯电动汽车电驱总成的故障诊断准确率，提出了一种基于粒子群优化(Particle Swarm Optimizing, PSO)算法的改进BP(Improved Back Propagation, IBP)神经网络(PSO-IBP)故障诊断方法。应用线性整流单元(Rectified Linear Unit, ReLU)作为BP神经网络的激活函数，通过粒子群优化算法对BP神经网络权值和阈值进行动
-
基于HMFDE和t-SNE的旋转机械故障诊断方法
来源:机电工程 发布日期:2024-01-18
针对旋转机械的故障特征提取较难，以及单一类型的特征无法全面反映故障特性的问题，提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先，采用特征加权提出了混合多尺度波动散布熵方法，并将其用于提取旋转机械振动信号的故障特征；随后，采用t-SNE方法对混合故障特征进行了特征降维，挑选出了最能够反映故
-
新能源汽车故障诊断与维修策略研究
来源:汽车测试报告 发布日期:2024-01-15
随着人们环保意识的增强，新能源汽车成为汽车行业的主流发展趋势，但其在行驶过程中也会出现各种各样的故障。该文对新能源汽车常见故障进行分析，包括动力电池故障、电机驱动系统故障、整车控制系统故障和空调系统故障，并提出有针对性的故障诊断与维修策略，从而更好地明确故障原因，促进故障快速排除，推动新能源汽车产业的可持续发展。
-
汽车防抱死制动系统故障原因与风险评估方法
来源:汽车测试报告 发布日期:2024-01-15
汽车防抱死制动系统是一种能够提高汽车主动安全性能的重要技术。它通过控制制动力矩，防止车轮抱死，缩短制动距离，保持转向操纵能力和行驶方向的稳定性。然而，汽车防抱死制动系统也可能出现故障，影响汽车的正常运行，甚至造成事故。该文对汽车防抱死制动系统故障原因与风险评估方法进行研究，以提高车辆的制动效能和操纵稳定性。
027-87841330