摘要：针对高噪声条件下,联合平方包络谱(combined squared envelope spectrum,简称CSES)方法容易受频带内噪声和其他频带特征的干扰,导致对滚动轴承微弱故障特征提取困难的问题,提出了一种结合CSES和最小熵解卷积(minimum entropy deconvolution,简称MED)的滚动轴承微弱故障特征提取方法。首先,使用谱峭度选择不同频带-滤波后的信号;其次,对所选信号进行MED滤波,增强频带内的故障特征;最后,依据CSES原理,计算上一步滤波后信号的平方包络频谱并进行归一化,将其合并得到故障特征明显的强化包络谱。仿真与试验结果表明,该方法能够有效提取滚动轴承的微弱故障特征。

摘要：为了全面准确地检测出潜在的设备异常,针对汽轮机、风电转子等高关联耦合分布式系统多测点多源传感器产生的多维多态监测数据,提出了一种基于多变量耦合网络与变分图自编码器的异常检测方法。首先采用去趋势互相关分析(DCCA),定量分析多维变量间的耦合关系,构建复杂系统多变量耦合关系网络。在此基础上,建立基于无监督学习的变分图自编码模型,对系统多变量耦合关系网络进行特征提取,使用正常数据训练该模型,图卷积网络作为编码器学习输入数据的分布,采样获得其潜在表示,以实现耦合网络的重构,采用重建概率作为系统多维多态监测数据异常检测评价指标。最后以某火电厂汽轮机组转子系统监测数据为例开展异常检测分析,结果表明:考虑多维多态监测数据间的耦合关系,提高了系统异常检测的准确性和可靠性;引入基于变分图自编码器的无监督学习方法,降低了经验依赖性并克服了异常样本少的问题。

摘要：针对振动学相关课程中高阶振动实验装置偏少,学生对高阶振型和固有频率难以理解等问题,设计并制作了一种用于教学的高阶振型振动实验装置。该装置通过基于柔度法编写的Matlab程序、基于锤击法的自由振动实验以及以激振器作为激励振源的受迫振动实验,实现了对高阶振动的固有频率和振型的理论计算和实验测试,通过频闪仪可以直观地观察到各阶频率的振型。实验测得的各阶频率与相应的理论值的最大相对误差分别为6.88%、5.40%和2.01%。该装置已在教学中得到应用,并收到了良好的效果。

摘要：提出一种基于长短期记忆网络的船舶航迹预测方法,应用三次样条插值对船舶自动识别系统数据进行修复以保证其时间间隔相等,以船舶经度、纬度、航速和航向作为模型的输入,经度和纬度作为输出构建船舶航迹的实时预测模型。实验结果表明,该方法可以突破对预测时间间隔相等的要求,经纬度预测最大误差不超过5×10-4°,能够比较准确地预测出船舶轨迹。