摘要：在对矿山机械装备中使用的轴承进行故障诊断时,易受噪声干扰及多变工况的影响,同时也难以适应不同诊断任务,针对这一系列问题,提出了一种基于分支卷积神经网络(B-CNN)的托辊轴承故障分级诊断方法。首先,根据具体的诊断任务故障的层级结构进行了划分,采用多层标签表示健康状态、故障类型和损伤程度;通过交替卷积和池化层,构建了一维卷积神经网络(1DCNN)特征提取块;然后,将层级结构和特征提取块融合,设计出了一种基于分支一维卷积神经网络(B-1DCNN)的轴承故障分级诊断模型;最后,使用美国凯斯西储大学轴承数据和自建的带式输送机托辊故障模拟实验台数据,对托辊轴承故障进行了模拟实验,对该方法在噪声干扰和多变工况下的诊断性能进行了验证。研究结果表明:该方法成功实现了对托辊轴承故障从粗到精的分级诊断,对噪声干扰和变工况具有较好的鲁棒性,且与支持向量机(SVM)和反向传播神经网络(BPNN)模型相比,该方法的故障诊断性能更好。

摘要：为实现锶原子光钟的空间应用,采用永磁体塞曼减速器,可有效规避塔状线圈造成的高功耗和体积占比大的问题,利于光钟的空间化发展。基于永磁体构建锶光钟的环状和柱状塞曼减速器,在减速原理、磁场构建和样品研制方面各有优劣,利用多普勒测速法可对两种减速器的减速效率进行测量,可将两种减速器的减速分布曲线累计分布后对比。实验结果表明:两种永磁体塞曼减速器都达到一定减速效果,但环状永磁体塞曼减速器在体积和减速效果上,相较单x方向的柱状永磁体塞曼减速器,体积减少了60%,重量减少了80%,减速效果部分区域效率高一倍,因此优势更为显著。进一步采用环状永磁体塞曼减速器俘获锶原子的三种同位素,完成了小型化锶原子光钟的一级俘获,满足零功耗、体积小的紧凑化光钟设计需求。

摘要：为了解谷子秸秆雨水淋溶物对土壤细菌的群落组成及其生态功能的影响。采用随机区组设计,在谷子苗期于垄间覆盖不同质量和长度的秸秆,灌浆期中雨后5d采集根围土壤,利用16SrRNA扩增子测序技术,分析谷子秸秆雨水淋溶物对其根围土壤的细菌种群丰度和多样性的化感效应。土壤细菌Alpha多样性分析表明:当5cm的秸秆覆盖2 000kg/hm^(2)和1cm的秸秆覆盖4 000kg/hm^(2)时,能使土壤细菌群落丰富度维持在较高水平,同时保证细菌的多样性较高和均匀度较好。物种聚类分析和主成分分析表明:5cm的秸秆覆盖2 000kg/hm^(2)和1cm的秸秆覆盖4 000kg/hm^(2)时土壤细菌群落组成优势属差异较大,但其群落结构比较稳定。初步分析KEGG丰度热图发现:秸秆覆盖量为4 000kg/hm^(2)且秸秆长度为1cm时产生的雨水淋溶物不仅显著降低了多种与碳水化物代谢、氨基酸代谢和能量代谢的酶基因相对丰度,减少了土壤中与碳代谢及氮代谢有关的细菌类群,抑制了土壤细菌对碳源利用能力以及土壤碳、氮代谢,还降低了钛、镍元素转运相关的酶基因丰度,抑制了土壤中微量元素钛和有益元素镍的利用。综上,谷子秸秆的雨水淋溶物可以改善土壤细菌群落结构丰富度及多样性,2 000kg/hm^(2),长度为5cm的谷子秸秆覆盖产生的雨水淋溶物相比其他处理的化感促进效果较好,且4 000kg/hm^(2),长度为1cm谷子秸秆覆盖产生的雨水淋溶物对碳水化物代谢、氨基酸代谢和能量代谢通路上的相关基因表达化感抑制效果较为显著。