摘要：由于制造工艺、运行环境等的影响,同型号轴承的使用寿命往往存在较大的个体差异性。在轴承剩余寿命预测中,如果从信号中提取的特征的泛化能力不足,将导致模型预测结果稳定性较差。为此,提出一种基于全卷积变分自编码网络(FCVAE)的轴承的剩余寿命预测方法。该方法用全卷积神经网络(FCNN)改进变分自编码器(VAE),在降低网络复杂度的同时强化所提取特征的泛化能力,并利用频域信号作为模型输入,以进一步降低特征学习的难度,同时设计加权平均方法平滑预测结果。通过试验数据集对所提方法进行验证,结果表明:该方法预测结果的平均误差相比于传统支持向量回归(SVR)降低了64%,比卷积神经网络(CNN)降低45.5%,比VAE降低47.5%。

摘要：轨道车辆的轴承异常温升检测是保障行车安全的重要手段,但由于温升影响因素与状态的复杂性导致现有的异常检测模型容易出现误判。针对这一问题,提出一种基于AHP-熵值法优化决策的轴承异常温升检测模型。首先根据同类轴承温升的趋势一致性以及异常轴温的偏离现象,采用K-means聚类定位异常温升轴承,获得一级检测结果;通过分析异常温升的特性,融合专家经验和数据特征,提出一种基于AHP-熵值法优化的决策模型对一级检测结果进行再次诊断,获得二级检测结果,以降低模型的误判率。基于轨道车辆轴承温度履历数据对模型验证发现:该模型在采用决策模型进行二次诊断后,异常判别准确率仍保持100%不变,且误判率在不同类型轴承下都有显著下降。

摘要：轨道车辆轴承温度现有异常检测方法的阈值判别指标受到路况、环境等多项外因干扰,并且基于异常检测目的的预测方法需要对轴承进行逐一建模,模型训练耗时且多模型维护困难。针对上述问题,提出一种基于多任务学习的轨道车辆轴承异常检测方法。首先考虑到数据分布在正常与异常时存在差异,把正常工况下的关联轴承温度作为模型输入构建轴承温度预测模型,当实际温度异常时预测值与实际值关联性呈现异常变化,因此该模型具有异常检测功能。其次,考虑到循环神经网络建模时进行递归运算消耗大量时间,引入多头自注意力机制,所构建的模型能够同时对一轴上的轴箱、齿轮箱、电机3类共9个轴承温度进行同时检测。最后,采用极大似然估计方法,将点预测转换为置信区间预测,解释了预测结果的意义。在正常和故障数据上分别对模型进行验证,结果证明本文所提方法具有准确的9个轴承和异常检测能力,并与单任务模型相比能大幅度减少建模时间。

摘要：随着社会经济的发展,能源问题越来越受到社会的关注,在化工设计中如何提高能源的利用率成为了首要任务。本文通过论述化工设计之有效能概念,分析并探讨了化工设计中的有效能利用情况,为化工设计人员深刻理解和正确掌握有效能提供了理论依据,为今后的资源开发和合理利用提供了节能方法和有效途径。

摘要：本文对管道应力的分类、研究内容进行综述,提出了三点优化措施:1)合理选择和安装管道支吊架。2)提高管道的柔性和韧性。3)采用管道冷紧法缓解管道应力。最后对管道应力分析软件进行了展望,希望能开发出更多、更科学的分析软件应用到生产实际中。