摘要：滚动轴承作为旋转机械的核心部件,其运行的稳定性决定了机械运行的可靠性。轴承故障主要出现在滚体、内圈、外圈上,为确保机械的安全、稳定运行,对于滚动轴承故障的分析和预测具有极大的意义。提出了一种基于深度迁移学习的方法用于滚动轴承故障数据的分析与预测,基于同一工况下的轴承各类故障搭建深度迁移学习的模型,加入稀疏自编码器用于提取特征,并将模型用于不同载荷工况下验证模型的可靠性。深度迁移学习的方法适用于模型相似的问题,减少了模型搭建的时间,提高了训练效率。

摘要：为提高交通流预测模型的准确性及泛化性,提出一种基于模糊分析的LSTM交通流预测方法实现对交通状态的预估分析。对历史数据采用LSTM神经网络进行训练,获取神经网络权值参数,针对交通流时序数据存在周期性,提出基于模糊聚类分析的策略对LSTM模型的历史训练误差进行聚类。根据当前交通流数据与历史数据的相似度预估LSTM预测模型的在线误差。综合LSTM神经网络预测输出以及基于相似度分析的在线误差预测输出预估交通流状态,给出相应的算法步骤。仿真实验验证了提出方法的有效性,其比单一预测预测模型效果更好。

摘要：针对无线通信中的能耗巨大和移动用户潮汐现象带来的基站利用率低下问题,C-RAN作为一种基于集中化处理、协作式无线电和实时云计算架构的无线接入网架构,是一种低成本、高性能的解决方案。针对C-RAN网络中的CoMP性能,通过计算无线链路损耗分析了JT下的CoMP的理论增益。针对C-RAN网络规划设计问题,定性分析了CoMP增益与C-RAN网络Cell数的比例关系,最后结合仿真结果给出了合理的网络规划设计建议,且理论证明其能够很好地解决移动运营商所面临的上述挑战。

摘要：为了优化变压吸附(PSA)制氢工艺,降低石油化工制氢能耗,提出以某公司净化设备工艺压缩机中的PSA制取吸附氢装置作为研究对象。首先,通过对工艺压缩机脱碳装置和制氢装置改造后的运行数据进行分析比较,分析了压力波动吸附的实际运行过程;其次,以工艺压缩机各种工艺制造条件下的吸附时间、氢气产量和氢气产率作为主要研究目标,确定最佳吸附时间范围和最佳操作点,解释了影响氢气产率的因素,并提出优化建议;最后,设计实验对优化后的方案进行验证。结果表明:对工艺压缩机的工艺步序优化之后,减少了两组工艺步序,相比原工序,减少了一些吸附时间,提高了吸附剂的回收再生效果。优化后的两组实验有效组分产率比前两组更高。该研究对石油化工行业中的PSA制氢工艺进行了优化,降低了能耗,为相关研究提供了一定的思路和借鉴。