摘要：北京市某再生水厂污泥脱水自动控制系统自2002年正式投入运行已近二十年,设备老化严重,故障率高,且在运行中发现系统存在一些需要改进的地方。本文针对这些问题,对本次脱水机自动控制系统的改造进行了研究,阐述了罗克韦尔1756系列PLC在污水处理行业中的应用,为以后污水处理电气自控系统的设计改造提供了借鉴。

摘要：为有效获得轴承退化过程,设计一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免了局部信息的丢失,同时得到了更深层次的故障特征。提出了一种基于双向长短时记忆网络(Bi‑directional LSTM)的循环神经网络结构,利用其对时间序列数据的处理能力,学习轴承在实际工作过程中的退化规律,实现对轴承的剩余使用寿命预测。此外,为进一步提升模型的预测准确率及泛化能力,设计接收随机长度样本的Bi‑LSTM网络进行训练,使得模型接收连续数据而不是分段的数据。最后,使用NASA的IMS数据集进行了验证和对比试验,得出本文所构建的CE‑Bi‑LSTM轴承健康预测模型相较于其他方法具有更准确的预测能力。

摘要：滚动轴承作为旋转机械的关键部件,其健康状况对安全生产至关重要,对其未来健康状态以及剩余使用寿命的预测是实现故障智能诊断的主要挑战之一。为有效获得轴承退化过程,文章设计了一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免局部信息丢失,并可得到更深层次的故障特征。同时,使用NASA的IMS数据集进行了验证和对比试验,得出本文所构建的卷积自编码器轴承健康预测模型相较于其他方法具有更准确的预测能力。

摘要：[目的]研究气候变化背景下季节性冻融对土壤微团聚体的作用,为影响林线附近土壤地球生物化学过程的相关研究提供参考。[方法]选择五台山林线附近3种典型植被:草甸、华北落叶松(Larix principis-rupprechtii)和云杉(Picea meyeri)覆盖下的土壤,通过土柱野外原位培养,测定不同时期土壤各粒径微团聚体含量以及土壤分形维数(D)。[结果]在培养期内,3个样地的2～0.25mm和0.25～0.05mm团聚体含量变化趋势各不相同;0.05~0.02mm(先降后增再降),0.02～0.002mm(先降后增,华北落叶松样地除外),0.05)。生长季同样发生了土壤微团聚体含量的显著变化(p0.05)。[结论]季节性冻融对3个样地土壤微团聚体含量都具有显著影响,且3种植被下土壤结构对季节性冻融的响应也明显不同,主要发生在初冻期和融化期;在培养期内,虽在冻融作用下土壤微团聚体分形维数增加,但进入生长季后都逐渐减少至培养前水平,3个样地土壤结构性和团聚能力均呈周期性变化,具有一定的自我恢复能力。