摘要：基于深度学习的故障诊断方法受其黑箱特性限制难以给出可信赖和可解释的诊断结果。现有可解释故障诊断研究多集中在开发可解释模块并嵌入深度学习模型以赋予诊断结果一定物理意义,或以结果为基础反推模型做出此决策的深层逻辑,对于如何量化诊断结果中的不确定性并解释其来源和构成的研究工作十分有限。不确定性量化及分解不仅能提供诊断结果的可信度,还能辨析数据中未知因素的来源,最终指导提升诊断模型的可解释性。因此,提出将贝叶斯变分学习嵌入Transformer以开发一种不确定性感知网络,用于可信机械故障诊断。设计了一种变分注意力机制并定义了相应的优化目标函数,可建模注意力权重的先验分布和变分后验分布,从而赋予网络感知不确定性的能力。制定了一种不确定性量化及分解方案,可实现诊断结果的可信度表征以及认知不确定性和偶然不确定性的分离。以行星齿轮箱智能故障诊断为例,在测试数据中含有未知故障模式、未知噪声水平以及未知工况样本的分布外泛化场景中,充分验证了所提方法用于可信故障诊断的可行性。

摘要：RV减速器作为工业机器人关键部件之一,其机械故障将造成整机定位精度下降。围绕RV减速器开展健康状态监测与智能故障诊断具有重要意义。基于故障标记数据充足的假设,数据驱动的智能诊断方法可以有效建立监测信号与健康状态的非线性映射关系。然而,在工程实际中收集大量故障标记样本需要昂贵的标记代价和人力成本。针对上述问题,提出了一种融合图标签传播和判别特征增强的RV减速器半监督故障诊断方法。首先,利用标签传播算法赋予无标记样本伪标签。然后,通过信息熵定量评估伪标签置信度,降低误标记对模型半监督学习的干扰。同时,在深度特征嵌入空间下优化少量标记样本度量损失,构造更具判别力的特征图,提升伪标签质量。最后,采用实际工业机器人RV减速器故障数据进行方法验证。结果表明,所提半监督故障诊断方法可以对无标记样本精准地传播标签,仅利用少量标记样本获取更优的故障识别精度。

摘要：目前我国路基设计参数取值较低,直接导致路基病害频繁发生。针对此种情况,通过大型有限元软件ANSYS建立了典型道路模型,对不同路基回弹模量(以下简称模量)下的路面结构力学性能进行计算分析;计算结果表明,适当提高目前路基设计指标,可以明显地优化路面结构的受力性能,最大限度降低道路病害发生的风险。

摘要：本设计是一种基于单片机控制的自动循迹避障小车系统,智能小车系统由软件和硬件设计构成。智能小车以C51单片机[1]为主控系统,包括避障模块、循迹模块、电机模块,两个直流电动机驱动小车前进,用单片机产生脉冲波,控制小车速度。利用红外传感器对目标进行检测,并将检测到的信号反馈给单片机。单片机对采接收到的信号进行分析和判别,根据判别情况,直流电机对小车的转向进行调整,从而使小车能够沿着一定方向(黑线)自动行驶,实现小车自动循迹避障的目的。

摘要：委婉语作为人类语言交流的一个不可分割的有机组成部分,自出现以来就被广泛运用。英语中的委婉语在很大程度上是英语语言艺术性的一个折射。委婉语的使用体现了语言的多面需求。

摘要：本文针对目前水雷特点及表象特征,设计出一种具有水雷功能的智能车,代替传统意义上的水雷完成相应任务。该仿水雷智能车可以独立完成搜索、识别、确认、跟踪、打击等主要传统水雷的任务。同时通过蓝牙串口通信,完成上位机(PC端)与下位机(智能车)之间的信息交流,对仿水雷智能车当前状况及目标探测情况进行实时监测,适当作出人工干预。