-
考虑失效相关性的旋转机械可靠性模糊分配
来源:航空动力学报 发布日期:2024-12-12
针对旋转机械可靠性设计中部件失效独立假设导致系统可靠性分配结果不佳的问题，提出一种基于失效相关性和模糊层次分析（Fuzzy Analytic Hierarchy Process， FAHP）的可靠性分配策略。首先，基于层次分析模型，根据初始评价对系统部件建立模糊综合评价矩阵并转换成非模糊矩阵，以降低初始评价的主观性影响；然后，引入载荷分散系数，设计了一种反映部件间失效相关性的失效相关因子，用于修正
-
面向旋转机械装备的智能故障诊断通用基础模型研究
来源:西安交通大学学报 发布日期:2025-01-02
针对现有旋转机械智能故障诊断方法往往普适性较差，通常仅适用于特定型号、结构、工况、测点、载荷等场景的问题，本文建立了面向旋转机械装备的智能故障诊断通用基础模型，适用于多种常见装备、工况、测点等条件下轴承、齿轮等关键零部件的状态监测，对未知实测装备具有故障异常检测的能力，并在有少量实测数据支撑下能够快速实现对新装备的高精度智能诊断。通过挖掘多种类型旋转机械装备海量状态监测数据，提出了多源数据结构多尺
-
餐饮食品中餐饮具的污染现状及防控
来源:现代食品 发布日期:2024-11-15
随着人们的饮食方式愈发多样化，外出就餐成为日常生活不可缺少的一部分。但近年来，有关餐饮食品中餐饮具污染的报道时有发生，说明存在餐饮具污染，严重影响我国餐饮行业的健康发展。本文对近几年餐饮食品中餐饮具的食品安全监督抽检数据进行统计，分析餐饮行业中餐饮具存在的大肠菌群污染、阴离子合成洗涤剂残留相关食品安全问题，并提出相应的防控措施，以供参考。
-
机电一体化技术在机械工程领域的应用
来源:中国设备工程 发布日期:2024-12-10
机电一体化技术是近年来快速发展的一种综合性交叉技术，它将机械工程与电气工程相结合，通过融合机械、电子、计算机等多个学科的知识与技术，实现了机械系统与电气系统的紧密集成和协同运作。这项技术的出现和发展，为机械工程领域注入了新的活力和机遇。本文旨在探讨机电一体化技术在机械工程领域的重要性，分析其优势并提出相应的解决方案和建议。通过深入研究和讨论，可以为机械工程领域的从业者和研究人员提供指导和借鉴，推动
-
“聪明企业”是如何炼成的
来源:南京日报 发布日期:2024-12-06
12月2日，全国工商联人工智能委员会成立大会暨AI赋能产业发展江苏大会在宁召开；12月20日至12月22日，2024世界智能制造大会将在南京举办。 12月的南京，“智慧”涌动!12月5日，由中国企业联合会、中国企业家协会主办的“2024全国智慧企业发展大会”也在南京举行。本次大会以
-
基于“5M1E”模型的食堂食品安全精细化管理体系构建与实践
来源:中国食品工业 发布日期:2024-10-23
结合新城悦服务的实践，构建了基于“5M1E”的精细化管理体系，将相关现场活动均纳入了食品安全管理，制定了相应的标准规范，并将管理活动的标准与规范落实为可衡量、有记录、可追踪的实践方案，旨在持续提升食堂食品安全精细化管理水平。
-
基于新型钻头的方桩机械成孔施工工法研究
来源:中国安全生产科学技术 发布日期:2024-11-18
为了应对土木工程项目中滑坡现象的严峻挑战，提升边坡稳定性，确保施工安全与工程质量，聚焦于探索并优化新型钻头在方桩机械成孔施工工法中的应用。深入探讨并详细介绍新型钻头在方桩机械成孔施工过程中的工艺流程及关键操作要点。研究结果表明：采用基于新型钻头的方桩机械成孔施工工法，在有效支挡滑体滑动力、稳定边坡方面表现出色，与传统工法相比，新型钻头能够显著提高成孔精度与效率，可降低施工成本，减少对环境的影响。研
-
化工设备智能监控与实时数据分析方法
来源:化学工程与装备 发布日期:2024-12-25
研究针对化工行业设备监控及数据分析的需求，提出一种基于先进传感技术和过程控制的智能监控与实时数据分析方法。该方法通过多参数在线监测系统采集设备运行数据，运用模式识别技术进行了故障诊断和预测性维护，并利用过程建模实现了工艺优化。实验结果表明，该方法可有效提高设备运行效率，降低维护成本，保障生产安全。
-
电动自行车用锂离子蓄电池的机械安全试验解析与实施意义
来源:环境技术 发布日期:2024-12-25
本文基于GB 43854-2024标准中的专业基础性的试验内容，针对电动自行车中的锂离子蓄电池部件，对于单体电池和电池组的机械安全试验项目进行详细的阐述。通过针刺、加速度冲击、振动、自由跌落、提把强度等提升要求的机械安全试验项目，来验证电池部件的功能完好且所有参数符合规范要求。
-
一种基于深度残差网络的旋转机械故障诊断方法
来源:通信与信息技术 发布日期:2024-11-22
针对传统钻采设备故障诊断方法存在的成本高、缺乏实时性和普适性不足的问题，提出了一种基于深度残差网络的旋转机械故障诊断方法。该方法通过固定窗口长度的随机采样来构建充足的训练数据集，利用深层架构和残差学习机制，结合一维卷积神经网络提取时序信号中的多尺度特征，并通过全连接神经网络完成故障的识别与分类。实验结果表明，对公开数据集（CWRU）添加3dB噪声后，所提方法在测试集上的准确率依然保持在99%以上。
027-87841330