煤炭在我国能源结构中的占比最高,是使用最普遍的能源形势,因此煤炭对整个国民经济的发展具有至关重要的影响。随着社会经济的发展,煤炭生产效率的不断提升,对煤矿机械设备的技术要求随之提高。煤矿机械设备的安全正常运行是保证煤矿正常运作的重要基础,同时煤矿机械设备又具有自身的复杂性和特殊性,由于煤矿工作环境的特殊性,使得煤矿机械设备故障问题频发,因此如何应用故障诊断技术维护煤矿机械设备是煤矿工作必须要思考的问题。

关键词：故障诊断技术;;煤矿;;机械设备;;应用

查看摘要 索取原文[0页]

我国目前面临着能源短缺与大量石油资源未能有效开发的突出问题。由于技术水平的制约,平均采收率不到35%,尤其是占据机械采油设备中绝大多数的抽油机的性能直接影响了石油采收率。增加冲程和降低冲次是提高抽油机性能的有效手段,因此研发一种长冲程、低冲次的抽油机对降低采油成本和提高综合经济效益具有积极意义。经分析,传统游梁式抽油机已无法满足现阶段油田的需求,本文针对现有的无游梁式抽油机的不足,结合现场需求,提出了一种新型机械换向滚筒式抽油机,制定了抽油机的整体设计方案,该机采用胶带传动及大传动比的摆线针轮减速器进行减速,应用新型机械换向装置进行换向,并应用天车轮系进行增程。新型抽油机的换向方式采用纯机械换向,应用由曲轴、连杆、扇形齿轮、摇杆、圆柱齿轮等构成的行星轮系。其中曲轴与连杆连接,连杆与扇形齿轮固定连接,扇形齿轮与圆柱齿轮啮合,摇杆保证扇形齿轮与圆柱齿轮之间的中心距不变。设计箱体,对机械换向装置中的曲柄摇杆换向机构起保护作用。其具有传动可靠,占地面积小的优点。针对研发的新型抽油机,本文建立了其悬点运动规律(位移、速度、加速度)、抽油杆柱纵向振动、曲轴扭矩、电动机输出和输入功率仿真模型,为抽油机动态参数仿真与机构优化提供了理论基础。运用机械优化设计理论,综合考虑各项参数因子对无游梁式抽油机工作性能的影响,以悬点上冲程最大扭矩因数最小为目标函数,对抽油机整体机构尺寸进行优化;以曲轴均方根扭矩最小为目标函数,对平衡装置参数进行优化。通过有限元分析,使设计的关键部位均满足强度和稳定性要求。利用MATLAB对新型抽油机进行仿真,并与常规型游梁式抽油机在相同采油工况下的仿真曲线进行对比。仿真结果表明,该新型抽油机具有优越的动力性能,曲轴转矩波动小,基本消除了负扭矩,抽油机在正常抽汲过程中更平稳。

关键词：无游梁式抽油机;;机械换向装置;;优化设计;;动态仿真;;有限元分析

查看摘要 索取原文[0页]

目的研究在重症肺炎呼吸衰竭患者治疗中应用序贯机械通气治疗的临床方法。方法首先,选择2015年12月至2017年12月之间该医院所接收的治疗重症肺炎呼吸衰竭患者中的40例作为实验的研究对象。将这40个研究对象分为两组,分别为观察组和对照组。该实验是采用在进行完机械通气后直接将机械设备撤走的治疗方法,然后将两个组进行观察分析。结果通过对两个组的观察研究发现,在进行完治疗以后,观察组的患者在进行撤机后的成功率为97%,而对照组的成功率为88.5%。很明显可以看出来,观察组撤机的成功率显然比对照组要高。通过对两个组存在的差别进行讨论发现,两者的之间的差异存在一定的统计学理论,即P<0.05.。结论在进行重症患者肺炎的治疗时,当使用机械通气进行治疗时,机械通气的方法撤机率比较高,这在一定程度上能能够实现比较可观的医疗效果,而通过实验结果可以得出,这个方法在临床上有推广使用的价值。

关键词：序贯机械通气;;重症肺炎患者;;疗效

查看摘要 索取原文[0页]

使机器人做出与人类相似的智能行为是机器人领域的研究热点,这就要求机器人具有学习的能力。机械臂是机器人领域应用最广泛的机械装置,其行为获取的研究是机器人运动技能研究的一个重要方面。示教学习是一种快速高效的学习方式,通过对示教行为的学习,使机械臂快速获取运动技能,从而简化复杂的运动规划,提高学习效率。本文围绕机械臂通过示教学习获取运动行为展开研究,论文主要工作为:第一,机械臂示教学习系统的构建及运动学分析:根据示教学习框架搭建了机械臂示教学习系统,设计示教方式为手把手示教,根据本文需求对机械臂进行了选型,并完成了运动学分析。在物理环境下拖动机械臂进行行为示教,得到机械臂在运动示教过程中的关节角度信息,通过正运动学计算得到机械臂在示教过程中的运动信息,为机械臂对示教行为的学习提供数据支持。第二,基于RNN的状态-动作的策略设计与点到点任务的模仿:针对机械臂运动行为获取困难的问题,采用循环神经网络RNN(Recurrent Neural Network)表达策略,根据示教信息完成RNN的构建,并通过对训练样本的学习获取策略。在物理环境下分别完成了机械臂对原始示教任务以及复杂示教任务的模仿,并在示教任务模仿的基础上进行了泛化任务模仿的研究,实验研究表明,机械臂不仅能够模仿示教任务,而且可以通过泛化实现对新任务的模仿。第三,基于LSTM的状态到状态的策略设计及目标任务的模仿:针对投篮这类初始点不同但目标相同的目标任务问题,设计通过长短期记忆网络LSTM(Long Short-Term Memory)学习状态-状态的策略,通过策略对新起始状态的迭代输出规划出到目标的轨迹,并通过逆运动学计算得到动作信息。在物理环境下分别进行了单次示教和多次示教下目标任务模仿的研究,实验研究表明,机械臂能够实现目标任务的模仿。本文对基于示教学习的机械臂在运动行为的获取方面进行了研究,研究成果对于机械臂通过示教学习实现运动技能获取具有积极意义。

关键词：机械臂;;示教学习;;控制策略;;任务模仿

查看摘要 索取原文[0页]

目的总结并归纳无创机械通气治疗慢性阻塞性肺疾病并呼吸衰竭临床效果。方法将46例慢性阻塞性肺疾病并呼吸衰竭患者以抽签法分为无创组和对照组各23例,对照组使用传统的常规治疗,无创组在对照组基础上使用无创双水平气道正压通气。结果治疗后,两组呼吸频率、血氧分压均有改善,且无创组明显优于对照组(P<0.05),无创组住院时间明显短于对照组,差异均有统计学意义(P<0.05)。结论无创机械通气对于慢性阻塞性肺疾病并呼吸衰竭患者有重要的临床价值,可有效改善患者呼吸频率和血氧分压,有利于患者的康复。

关键词：慢性阻塞性肺疾病;;呼吸衰竭;;无创机械通气

查看摘要 索取原文[0页]

目的探究床旁支气管镜在重症监护病房(ICU)机械通气患者治疗中的应用研究。方法选取我院ICU收治的2017年1月-2018年1月88例机械通气患者作为对象,科学的随机分为两组,对照组和观察组各44例患者,对照组采取常规机械通气,观察组采取常规机械通气的基础上实施床旁支气管镜,比较两组患者的治疗效果。结果治疗后,观察组患者的PaO_2、PaCO2、SaO_2等值明显优于对照组患者的PaO_2、PaCO2、SaO_2等值,差异具有统计学意义(p<0.05)。结论床旁支气管镜应用于重症监护病房(ICU)机械通气患者治疗可明显改善患者的PaO_2、PaCO2、SaO_2等血气值,提高患者的生存质量,值得临床推广。

关键词：床旁支气管镜;;重症监护病房;;ICU;;机械通气;;临床治疗

查看摘要 索取原文[0页]

根据机械设计基础课程设计的课程特征及学生教育背景,从目前该课程教学中遇到的实际问题出发,探索基于SPOC混合教学的新模式,将线上教学与课堂教学有机结合。为了实施该教学模式,制定了SPOC加课堂的混合教学流程,设计了该课程的混合教学内容方案。增强了学生课程学习的主动性及团队协助能力,实现了线上线下的多维互动,拓展了教学时间。

关键词：机械设计基础;;课程设计;;SPOC;;混合式教学

查看摘要 索取原文[0页]

本文是在国家自然科学基金(No.51675258,51261024,51075372),机械传动国家重点实验室开放基金(No.SKLMT-KFKT-201514)的资助下展开的。围绕深度学习为中心,针对旋转机械故障预测及诊断等方面展开研究,结合最新的多隐层人工神经网络,提出了基于深度学习的机械故障诊断新方法,并将提出的算法应用到机械故障诊断中,实验结果证明了提出方法的有效性。本文的主要研究内容包括了以下几个方面:第一章,论述了本课题的提出及其开展研究的意义,论述了深度学习的国内外研究现状及深度学习在机械故障诊断领域的研究现状。在此基础上提出了本文的主要研究内容、结构安排和创新之处。第二章,利用深度信念网络可以从低层逐步学习到更加抽象复杂的高层表示的特点,提出了基于深度信念网络的机械故障诊断方法。在提出的方法中,首先直接从轴承振动数据出发将振动信号输入到第一层RBM中,进行RBM的前向训练,经RBM的层层堆叠得到深度信念网络。之后对训练得到的深度信念网络进行后向参数微调,由最高层出发,依次向低层进行逐层参数微调,得到完整的深度信念网络模型。最后,利用训练得到的网络模型对机械设备进行故障诊断。实验结果表明,提出的方法能够实现故障特征的自适应提取和轴承健康状况的智能识别,克服了传统方法在特征提取和故障识别中需要依靠大量的信号处理知识和工程经验的不足,减少了人工参与故障诊断的因素。对比实验表明,提出的方法比传统基于小波方法、多变量特征和特征峭度方法具有更高的故障识别率。第三章,针对传统的卷积神经网络利用多个权值仅可获得很小的感受野以及训练过程中网络内部协变量易发生转移网络泛化能力不足的缺点,提出了BN-WCNN卷积神经网络。在提出的网络中,首先对原有的卷积神经网络进行了重新的设计,其中将第一层卷积核设计为宽卷积核,其余卷积层保持结构不变,同时在保持网络提取故障特征能力的情况下减少卷积核参数。这样做不但可以加深网络的深度,而且可以抑制网络的过拟合同。其次在卷积操作之后加入了BN处理,来防止网络内部协变量发生转移,提高网络的泛化能力。在完成网络的设计后,为了验证网络的有效性,将BN-WCNN网络应用于轴承故障诊断中。实验结果表明,提出的方法可以直接从时域振动信号中提取故障特征,对轴承故障进行高精度的识别,验证了提出方法的有效性。第四章,利用降噪自编码机可以在含噪声的样本中实现对数据重构的特点,将基于降噪自编码机的深度神经网络应用到含噪干扰的旋转机械设备故障诊断中。首先将旋转机械的频域信号输入到降噪自编码机中,利用多个降噪自编码机进行层层堆叠得到深度神经网络。在得到深度神经网络后,采用dropout技术对网络进行微调,完成网络的训练,并进行故障诊断。实验结果表明,提出的方法可以克服对信号处理知识、工程诊断经验的依赖以及噪声信号的干扰,自适应的从频域信号中直接提取故障特征。第五章,论述了传统采用单通道孤立信息进行机械设备状态监测和故障诊断方法的不足,并介绍了基于多通道信息融合的全矢谱技术及两传感器正交安装的双通道全矢谱数值计算方法。结合全矢谱技术在多信息融合方面的优势以及深度神经网络强大的建模和表征能力提出了全矢谱-DNN算法。算法中,首先利用全矢谱技术对多通道的机械振动数据进行融合,得到融合后的信息,并进行归一化处理。之后将信号输入到DAE网络中进行网络的训练,利用网络的逐层训练将多个DAE进行堆叠得到DNN网络。最后用训练得到的DNN网络进行轴承故障预测,实验结果表明,提出的方法能够很好的融合多通道的信息,具有很好的适应性和较高的预测精度。第六章,对各个章节作出了梳理和全面总结,并指出仍需改进优化的地方,对有必要进行深入持续研究的方向进行了展望。

关键词：深度学习;;故障诊断;;特征提取;;宽卷积核;;全矢谱;;旋转机械

查看摘要 索取原文[0页]

模式识别与控制理论的相结合是近年来备受学者关注的研究方向。随着模式识别理论的不断发展与完善,以神经网络为代表的相关应用产品在现实生活中越来越普遍。与此同时,柔性关节机械臂凭借其质量轻和能耗低等优点,在柔性制造和航空航天等领域拥有巨大的应用前景。而随着机械臂系统的智能化要求程度不断提高,模式识别理论也被逐渐应用于实际的机械臂控制应用中。因此,深化基于模式识别的柔性关节机械臂控制研究,对实现柔性关节机械臂在高新科技领域的应用普及具有深远的意义。本文将以确定学习理论为基础,开展基于动态模式识别的柔性关节机械臂智能控制研究,以柔性关节机械臂动力学模型为控制对象,研究控制系统对闭环系统动态和参考轨迹动态的辨识和识别方法,实现柔性关节机械臂控制系统从复杂的跟踪任务中获取和利用经验知识的能力。论文的主要研究工作与结论如下:首先,通过拉格朗日动力学方程建立多连杆柔性关节机械臂的动力学模型,针对该模型进行自适应神经网络跟踪控制研究。根据机械臂动力学模型的结构特点,本文采用动态面控制方法设计控制系统,从而降低控制系统中神经网络的计算负担。并根据确定学习理论,将控制器中神经网络训练得到的权值以常值形式保存下来,便于后续神经网络学习控制系统的设计,以此构造一组对应不同参考轨迹的常值神经网络控制器组。然后,针对参考轨迹的模式识别问题,本文给出动态模式的相似性定义以及动态估计器的设计,根据参考轨迹的动态特征表达构建动态模式库。由动态估计器状态与参考轨迹之间的残差设计决策范数,并基于决策范数给出模式预识别策略以及模式识别策略,实现机械臂系统对参考轨迹模式的实时监测和快速识别。根据系统的模式识别结果,本文基于上述得到的常值神经网络控制器组设计控制器的切换策略,保障控制系统在进行模式切换时控制信号的光滑连续性,且改善控制系统在模式切换过程中的暂态性能。随后,本文给出双连杆柔性关节机械臂的控制仿真结果,验证整体控制方案的有效性。最后,针对机械臂控制系统的跟踪性能受限问题,本文给出在指定性能约束下的柔性关节机械臂控制研究方案。通过引入转换函数,本文将原来受限的控制问题转化为非受限的镇定控制问题,并基于确定学习理论设计得到神经网络学习控制系统。为了展现所给方案的控制效果,本文以双连杆柔性关节机械臂为控制对象给出相应的仿真结果,并分析了将性能受限的控制理念推广到基于动态模式识别的控制系统设计的可行性。

关键词：柔性关节机械臂;;径向基神经网络;;动态面控制;;确定学习;;动态模式识别

查看摘要 索取原文[0页]

目的:生理状态下,胸膜腔负压随呼吸呈周期性变化,并可通过神经反射机制改变自主神经系统(autonomic nervous system,ANS)的活动性,使心动周期出现变异性即呼吸性窦性心律不齐(respiratory sinus arrhythmia,RSA)。机械通气可使胸腔内生理性负压增加甚至呈正值,对血流动力学、ANS活动性及脏器功能产生一定的影响。本研究拟通过对静吸复合全麻下骨科手术患者行一般血流动力学HR、MAP及脑电双频指数(bispectral index,BIS)监测,同时采集连续心电信号行心率变异性(heart rate variability,HRV)分析,计算HRV时域、频域、非线性指标及心率减速力(deceleration capacity,DC)等指标,探讨全麻手术机械通气过程中增加气道压力使胸内压(internal thoracic pressure,ITP)增大对患者ANS的影响,从而为临床麻醉中调整机械通气策略提供新的视角。方法:选择择期于静吸复合全麻下行骨科手术患者22例,ASA分级Ⅰ~Ⅱ级。年龄40~65岁,平均58±4岁。患有自主神经系统疾病及近期服用心血管药物者除外。所有患者均无术前用药。患者入室后常规进行心电图(electrocardiogram,ECG)、SpO_2、BIS及有创动脉压监测,同时行连续心电信号采集。麻醉诱导:咪达唑仑0.05mg/kg,舒芬太尼0.5μg/kg,丙泊酚2mg/kg及罗库溴铵0.6 mg/kg,于可视喉镜下进行气管内插管机械控制通气,呼吸频率14次/分,潮气量(tidal volume,Vt)以维持呼气末二氧化碳分压(end tidal carbon dioxide pressure,P_(ET)CO_2)在40mmHg左右进行设置。麻醉维持:静脉持续泵注丙泊酚6mg/kg·h,瑞芬太尼0.1μg/kg·min,根据麻醉深度调节输注速度,1.0MAC七氟烷持续吸入,BIS维持在40~60,术中间断静脉注射罗库溴铵0.15mg/kg维持肌松。待P_(ET)CO_2、麻醉深度及患者生命体征稳定后(手术开始至少35min),保持呼吸频率不变,在术中平稳阶段将机械通气按先后顺序分别设置为两种模式:1)低气道压模式,持续20min,调节P_(ET)CO_2大小在45mmHg左右,同时记录Vt、气道峰压(PIP)、平均气道压(Pm)。2)高气道压模式,持续20min。调节P_(ET)CO_2大小在35mmHg左右,记录Vt、PIP、Pm。HRV分析则从所采集的连续心电信号中截取5个时间段的短时(5min)心电信号:全麻诱导前(T0)、气管插管时(T1)、术中平稳阶段(T2)、低气道压模式(T3)、高气道压模式(T4),经MatlabR2010a软件程序处理并计算HRV指标包括时域、频域、非线性指标及PRSA分析指标心率减速力(deceleration capacity,DC),同步记录对应时间段的HR、MAP、Vt、PIP、Pm、P_(ET)CO_2和BIS值。结果:(1)血流动力学指标与BIS:与T0时相比,T1时HR显著增加,T2、T3、T4时则明显降低,差异均具有统计学意义(P0.05),T2、T3、T4时显著降低,差异均具有统计学意义(P0.05)。与T0时相比,T1、T2、T3、T4时BIS值均明显降低(P0.05)。(2)机械通气相关参数:与T2相比,T3时Vt、PIP、Pm均降低(P<0.05),P_(ET)CO_2则显著升高(P<0.05);T4时Vt、PIP升高(P<0.05),P_(ET)CO_2降低(P0.05)。与T3相比,T4时Vt、PIP、Pm均升高(P<0.05),P_(ET)CO_2则明显降低(P<0.05)。(3)HRV指标:HRV快变化指标:与T0相比,T1、T2、T3、T4时快变化指标RMSSD、LgHF、SD1、DC均明显降低(P0.05)。HRV慢变化指标:与T0相比,T1时SDNN、LgTP、SD2均显著升高(P<0.05),LgLF则明显降低(P<0.05);T2、T3、T4时点慢变化指标SDNN、LgTP、LgLF、SD2均明显降低(P<0.05)。与T1时相比,T2、T3、T4时点慢变化指标均显著降低(P0.05)。结论:静吸复合全麻手术过程中,当维持一定的麻醉深度并保持P_(ET)CO_2在正常范围内时,增加机械通气压力使ITP增大,结果机体的血流动力学及HRV指标无明显变化,表明在上述条件下,气道压力的改变对患者的ANS活动性无明显影响,不影响术中脏器功能的稳定。

关键词：机械通气;;气道压力;;自主神经系统;;全身麻醉;;心率变异性

查看摘要 索取原文[0页]