-
基于智能控制的机械设备金属结构故障诊断研究
来源:世界有色金属 发布日期:2021-02-05
我国传统检测机械设备故障方法中缺少能够自主学习的功能,使得其难以在复杂的系统当中针对检测对象的情况创建更加科学准确的数学模型,因此在满足时代发展过程中检测机械设备故障方法日益增长的需求下,提出可以有效通过利用智能控制对机械设备金属结构等进行故障诊断的方法。本文主要通过以智能控制为基础利用ANSYS有限元进行分析研究,建立科学合理的机械金属结构的参数化模型来更好的计算机械设备在桥架载荷方面的疲劳强度
-
基于元学习的航空电子设备特征选择算法推荐方法
来源:系统工程与电子技术 发布日期:2021-02-03
为了对航空电子设备的测试数据进行有效约简,去除冗余信息和不相关特征,基于机器学习领域现有的特征选择算法,提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息,推荐合适的特征选择算法。首先,分析了数据集特征的描述方法。然后,介绍了采用综合度量指数的算法性能评价方法。最后,给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13
-
汽车NVH常见问题分析及故障诊断思路（四）
来源:汽车维修与保养 发布日期:2021-02-01
(接2020年第12期)三、常见NVH故障诊断方法举例图50～图54所示为方向盘摆振、隆隆异响、敲击噪音、风噪、车身振动五种常见NVH故障的诊断方法。四、特殊NVH故障诊断案例案例1:丰田锐志不平路面天窗异响故障现象车辆以40km/h速度行驶,天窗右前部传出类似于"paki paki"的异响。
-
基于卷积深度网络的高压真空断路器机械故障诊断方法
来源:电力系统保护与控制 发布日期:2021-02-01
高压断路器执行机构所产生的振动信号蕴含着丰富的机械状态信息。针对传统基于浅层的振动信号分析法存在特征提取和泛化能力等方面的不足,提出一种基于卷积神经网络和长短期记忆网络的混合深度网络。该网络利用卷积层对原始振动数据进行特征转换,结合门控循环单元的局部时域特征表示能力,对故障敏感特征进行提取。通过对10 kV真空断路器振动信号的分析实验表明,所提出的混合网络模型在ROC曲线和PR曲线上的诊断性能要优
-
工程机械的故障诊断与维修探讨
来源:内燃机与配件 发布日期:2021-01-30
现阶段,工程机械作为工程施工中的重要组成部分,并占有决定性地位。在社会经济不断发展,科学技术不断优化创新的基础上,工程机械设备也变得愈发繁琐,加之工程机械逐渐向科技化方向发展,使得传统的维修方法难以解决工程机械所出现的问题,也增加了工程机械的维修难度。由于诊断与维修工程机械故障问题会直接影响工程建设行业的运行与发展,所以相关工作人员应该提高对工程机械诊断与维修的重视程度,保证工程正常运行。
-
汽车制动系统故障诊断及维修措施探讨
来源:南方农机 发布日期:2021-01-28
随着人们生活水平的不断提升,汽车逐渐成为人们日常生活中不可或缺的交通工具之一,其不仅为人们的日常交通带来更多便捷,同时在促进我国国民经济增长中也发挥着重要作用。但在使用汽车的过程中,有多种因素会引发汽车故障,也使汽车使用效率和驾驶体验感大幅下降,故在解决不同汽车故障时,需深度剖析故障原因,采取专业手段开展故障维修,这对于提高汽车维修效率和汽车使用效率具有重要意义。基于此,文章以汽车制动系统故障为例
-
浅谈化工机械往复式压缩机维修与保养
来源:中国设备工程 发布日期:2021-01-25
化工机械是我国经济建设基础之一,往复式压缩机由于其独特的性能在化工领域占据了越来越重要的地位,加强对往复式压缩机的维修与保养,可以最大化延长压缩机运行周期、提升化工生产效率、提高企业的经济效益。
-
浅谈化工机械往复式压缩机维修与保养
来源:中国设备工程 发布日期:2021-01-25
化工机械是我国经济建设基础之一,往复式压缩机由于其独特的性能在化工领域占据了越来越重要的地位,加强对往复式压缩机的维修与保养,可以最大化延长压缩机运行周期、提升化工生产效率、提高企业的经济效益。
-
煤矿机械设备的使用维修和故障诊断
来源:当代化工研究 发布日期:2021-01-23
伴随着经济社会的不断发展,各行各业都在稳步的发展与提升中。但在各行各业的发展中都需要相应的电力控制以及石油、煤炭资源的供给。但现阶段,煤矿机械设备的使用维护以及故障诊断方面依旧存在着较大的问题。基于此,本文对煤矿机械设备的使用状况,故障原因以及使用特点等作出了分析,并对故障诊断技术以及设备维修做出了详细的阐述。希望通过本文的分析对于煤矿开采行业的发展有着一定的借鉴与思考。
-
基于深度学习的船舶机械微小故障快速诊断方法
来源:计算机集成制造系统 发布日期:2021-01-19
微小故障的快速诊断是预防和减少重大显著性故障发生的关键。近年来，基于卷积神经网络(Convolutional neural network， CNN)的智能诊断方法已成为船舶机械领域研究的热点。然而，现行的基于图像处理框架的2D-CNN算法在处理多传感器、多通道故障数据时存在检测时间长、数据融合效率低的不足。为此，提出了一种改进的1DCNN-GAP的深度学习新算法，用于船舶旋转机械的故障快速诊断。
027-87841330