摘要：传统卷积神经网络(CNN)在识别故障类型时存在从原始振动信号中提取特征不足以及提取特征过程中需要更大的感受野以充分捕获信号的时间相关性的局限.针对轴承振动信号固有的多尺度特征,提出基于空洞卷积和增强型多尺度自适应特征融合的模型(DC-MAFFM).利用空洞卷积的大感受野提取信号特征,同时引入残差连接来减少卷积层上的信息损失,从而有效过滤信号中的噪声;设计改进的多尺度特征提取模块,在不同尺度上捕获互补的诊断特征,同时在各层都进行不同尺度特征融合,充分学习信号的高频和低频特征;利用提出的特征自适应融合模块对不同尺度的特征自适应赋予权重,增强判别特征学习的能力.在2个轴承数据集上进行验证,结果表明所提模型在噪声和变工况下有较强的诊断能力.在强噪声情况下,故障诊断准确率分别达到88.08%和75.56%,与其他方法相比有显著优势.

摘要：近年来,研究人员针对图神经网络(GNN)提出了许多改进的模型架构设计,推动了各种预测任务的性能提升。但大多数GNN变体在开始都认为节点的特征同等重要,而实际情况并非如此。针对这个问题,提出一种特征选择方法来改进现有模型,并为数据集选择出重要特征子集。所提方法由特征选择层和标签-特征单独映射两个组件构成。在特征选择层中使用Softmax归一化器和特征“软选择器”进行特征选择,在标签-特征单独映射思想下设计模型结构,为不同的标签选择对应的相关特征子集,并将多个相关特征子集作集合并运算得到最终数据集的重要特征子集。选取图注意力网络(GAT)和GATv2模型为基准模型,将算法应用到基准模型中得到新模型。实验结果表明,所提模型在6个数据集上执行节点分类任务时,准确率相较于基准模型提升了0.83%~8.79%;新模型也为6个数据集选择了对应的重要特征子集,这些重要特征子集的特征数量占各自数据集总特征数的3.94%~12.86%,将重要特征子集作为基准模型的新输入后仍然获得了95%以上的准确率(使用了所有特征),即在保证准确率的基础上减小了模型的规模。可见,所提方法能够提高节点分类准确率,并有效地为数据集选择对应的重要特征子集。

摘要：针对工程车辆在变电站环境下单一导航模式无法提供精确稳定的定位信息问题,文章围绕全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)定位原理,详细给出GNSS/INS松组合模型和卡尔曼滤波算法,研发高动态、低成本的GNSS/INS组合导航终端设备,并以2022年3月在江苏省虞城(姑苏)换流站GNSS和GNSS/INS数据为例,比较分析工程车辆静止、运动状态下GNSS和GNSS/INS组合导航定位模式下车辆的点位、姿态角偏差值大小,分析其是否满足作业要求。结果表明提出的GNSS/INS组合模型及其算法数学模型简单、易于程序设计;研发的GNSS/INS终端设备成本低、效率高;车辆在运动状态下组合导航的位置误差要小于GNSS状态下的3 cm,航向角误差小于0.5°,且系统在静态情况下比动态情况下有较高的定向精度。该文的系统设计可以满足变电站工程车辆生产作业的需要,也为变电站环境下高精度、高可靠性的工程车辆导航提供借鉴和参考。

摘要：为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征,提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法.分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性,采用DL-BiGRU网络从高频数据中自动提取时序特征,表征注塑件成型过程状态变化特性.通过采样模腔内高频时序数据进行展成平铺,表征注塑成型的瞬时特征.融合时序特征、瞬时特征和成型机状态特征,构建端到端的深度学习多特征融合框架.将上述3种特征融合并联合训练,提升注塑件尺寸预测精度.在注塑成型数据集上进行模型验证,预测尺寸平均均方误差为4.7×10^(-4) mm^(2),最小误差波动为10^(-5) mm^(2)量级,模型具有较高的预测精度和稳定性.

摘要：由于生物质循环流化床(CFB)燃烧不稳定,为实现负荷波动过程中机组NO_(x)的动态预测,从锅炉燃烧机理切入,建立了氧量模型与即燃碳模型;对炉内NO_(x)自生成与自还原机理进行分析,并结合数学建模的方法,建立了NO_(x)动态排放模型。进行给料量、二次风量开环阶跃试验;分析NO_(x)排放与氧量耦合情况,采用简化对角解耦与前馈补偿解耦法解除耦合。结合某130 t/h生物质CFB实际运行数据进行仿真试验。结果表明:模型拥有较好的预测效果,能反映氧量及NO_(x)排放过程的动态特性,可实现给料量控制NO_(x)排放质量浓度、二次风控制氧体积分数的单回路控制,所设计的NO_(x)排放质量浓度模型及解耦控制方法可以为今后生物质CFB机组适应动态运行以及智能控制策略设计提供参考。

摘要：针对现有的驾驶员不满度模型未考虑驾驶风格而导致换道决策难以适应不同类型驾驶员的问题,改进基于前车车速的驾驶员不满度模型,并结合基于椭圆车辆模型的最小安全距离模型,建立基于驾驶风格和驾驶员不满度的换道决策模型.选取15个问题作为驾驶员行为问卷(driver behavior questionnaire, DBQ)调查内容,利用主成分分析和K-means聚类将驾驶风格分为激进型、谨慎型和普通型3类.设计驾驶模拟器试验,采集不同驾驶风格的驾驶员换道数据,得到不同驾驶风格的驾驶员不满度阈值.通过MATLAB/Simulink和Carsim仿真平台验证换道决策模型的有效性.结果表明:换道决策模型可根据驾驶员不满度正确产生换道意图,保证换道过程的安全性,同时还可以适应不同驾驶风格的驾驶员,使基于驾驶员不满度的换道决策模型更符合驾驶员的实际驾驶习惯.

摘要：现有的疲劳S-N曲线已不再适用于北极的低温环境,为了评估北极海洋工程设备材料的低温疲劳寿命,有必要建立金属结构尤其是焊接结构的低温疲劳S-N曲线。本文基于等效结构应力法,计算出Q690高强钢管环焊缝的主S-N曲线,并通过共振疲劳试验对该方法进行了验证。在此基础上,结合大量的高强钢焊接结构试验结果,将温度敏感因子c引入到低温疲劳主S-N曲线的推导中,首次建立了基于低温金属焊接结构的主S-N曲线,并对文献中的疲劳S-N试验数据和ASME中的修正方法进行了对比和验证。结果表明,等效结构应力法能够较准确地计算出焊缝疲劳S-N曲线,推导出的金属焊接结构低温主S-N曲线与试验曲线吻合较好,能够满足低温地区工程要求,可为高强钢焊接结构在北极地区低温环境中的广泛应用提供理论指导。该方法可以为金属焊接结构的低温疲劳研究节省大量的成本,减少非标准试验操作造成的不必要的误差。这对北极海洋工程设备的设计、安全运行和疲劳评估具有重要意义。

摘要：为在大直径盾构隧道中更好发挥接头的抗剪、定位功能,设计安装于管片环缝螺栓孔处、外套于螺栓的空心套筒,为了探究“直螺栓+套筒”新型环间接头的抗剪性能,以成都锦绣隧道为背景,建立环间接头的三维精细化数值模型,并开展足尺试验对数值模型的计算精度进行验证。结果表明:新型环间接头在抗剪过程中主要分为3个受力阶段:摩擦段、构件抗剪段和破坏失效段,其抗剪刚度随着错台的发展呈现出非线性。套筒对接头的抗剪性能有明显的强化作用,将超过其承载能力的剪切荷载平稳过渡给螺栓,避免了管片突然产生滑移错台,并对管片有一定的保护作用。套筒与直螺栓的受力配合机理为:在管片产生微小错台时,套筒发生弹性变形并承担主要剪力,随着错台量增大,套筒逐渐进入塑性状态,螺栓承担主要剪力。套筒的加入能显著改善环间接头对于微小错台的控制能力,并且由于其自身具备的导向定位功能,能在管片拼装阶段就达到降低错台率和错台量的效果。足尺试验表明新型接头的破坏形式为:套筒、螺栓进入塑性状态而失效,管片发生以螺栓孔为对称中心、与水平方向成30°~45°的对称剪切破坏,管片薄弱区域为螺栓孔附近位于管片内弧面一侧的钢筋混凝土。研究成果将为此类接头今后的工程应用提供参考。

摘要：针对非阻塞性颗粒阻尼(Non-obstructive Particle Damping,NOPD)在微重力、超重及离心等非常态环境中减振效果较差的问题,采用重力加速度表征这些非常态物理环境,利用离散元法(Discrete Element Method,DEM)研究重力参数对NOPD减振特性的影响,同时还分析NOPD最优填充比及最优粒径比等结构参数在不同重力条件下的变化规律。研究表明,重力加速度在0.7~1.0 g之间时NOPD减振效果最好。在微重力环境下,当重力参数变化时,NOPD最优填充比为0.85,最优粒径比为0.45。而当重力加速度大于1 g时,NOPD最优填充比及最优粒径比均随重力加速度的增加而减小,且其最优范围也均有所扩大。

摘要：为了提升中国增材制造模具的品质和国际竞争力,加速世界向增材制造的转变,从汽车一体化压铸技术对可替换增材制造镶块材料的需求出发,在18Ni300马氏体时效钢的基础上,通过降低Ni含量、调整Co成分、保持Al含量并添加适量Cu的成分设计策略,开发了一种易于增材制造新型合金钢。利用扫描电镜(SEM)、透射电镜(TEM)和原子探针层析技术(APT)等微纳结构表征手段,研究了打印态马氏体时效钢在回火过程中第二相的析出过程和强化机制。结果表明,不同温度回火时,马氏体时效钢表现出明显的析出强化效应,在560℃时达到硬度峰值(约为54HRC),460℃和600℃时的硬度均约为50HRC,两者抗拉强度相近,但后者屈服强度较低,同时伸长率、断面收缩率和室温冲击韧性均大幅度提高,断口表现出明显的塑性断裂。低温(460℃)回火时,出现明显的Ni、Cu等元素的团簇,为富Cu的β-Ni Al相形核早期的存在形式,同时还因调幅分解而出现Cr的成分起伏,并出现纳米薄膜状的奥氏体(γ)相;高温(600℃)回火时,形成纳米β-Ni Al相和细小的富Mo、W、Cr的Laves相,且两者与α-Fe基体分别存在[001]_(β)//[001]_(α)和[1123]_(Laves)//[011]_(α)的位向关系,同时形成有利于塑韧性改善的α+γ的双相组织。低温(460℃)回火时形成的富Ni团簇和富Cr团簇,可能是高温(600℃)回火时β-Ni Al相和Laves相的前驱体,2种形态均是析出强化的主要贡献者。