摘要：基于深度学习方法构建轴承健康指标正成为机械故障诊断领域新的研究内容和应用热点。基于深度学习的指标构建容易受到前期人工特征提取和特征选择的影响,且缺乏对多通道传感器信息进行有效融合。针对上述问题,设计了一种基于深度融合神经网络(DFNN)的多通道信息融合健康指标构建方法。首先,提出一种多通道融合特征提取器(MFE)从传感器原始信号提取轴承退化特征,然后设计一种自适应特征选择器(AFS)进行特征选择,最后引入双向长短期记忆网络(BiLSTM)构建健康指标。所提出的方法在轴承全寿命数据集上进行实验验证,实验结果表明,相比现有基于深度学习的轴承健康指标构建方法,DFNN构建的健康指标趋势性指标高达98.4%,单调性指标增加44%,因而能够更准确的反映轴承实际性能退化趋势。

摘要：听觉感知是移动机器人不可或缺的功能,传统电声式麦克风灵敏度较低、易受电磁干扰,致使移动机器人听觉感知能力较差,使用受到很大限制。采用自制的Fabry-Perot干涉式(FPI)光纤麦克风代替电声式麦克风,在市售移动机器人平台上构建了四元十字型光纤麦克风阵列,设计了基于FPGA的信号处理与声源定位算法程序,实现了机器人听觉感知与被动式声导航功能。介绍了FPI光纤麦克风的工作原理,测试并比较其与市售驻极体麦克风的灵敏度;优化了基于FPGA的声达时差(Time Difference of Arrival,TDOA)定位算法,完成了移动机器人搭载声源定位系统的设计与集成。实验表明移动机器人搭载的光纤麦克风声源定位系统具有水平全向声源定位功能,在平均距离为6.60 m的情况下,室内定位方位角平均误差为1.54°、距离平均误差为0.09 m;室外定位方位角平均误差为1.84°、距离平均误差为0.16 m,具有较高的精确度与稳定性;且移动机器人均能准确到达声源处完成声导航功能,具有很强的实用性与广阔的应用前景。

摘要：可持续服务的列车Wi-Fi智能终端系统通过智能实时地扫描运营商移动信号强弱来选择最优的接入信号,从而解决基站覆盖不全的问题;通过智能缓存技术降低平均上行访问带宽要求,提升用户上网体验。