基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

陕西省略阳县干河坝金矿地质特征及矿床成因探讨

干河坝金矿床是南秦岭南段勉略康构造混杂岩带内属受岩相和构造双重控制的构造蚀变岩型金矿床。该矿床的矿体集中产于古生界泥盆系金家河岩组金家河千枚岩与乔子沟火山岩的岩性—构造接触带附近，多呈似层状、透镜状。为进一步探讨该矿床成因，通过对矿床成矿地质特征、地球化学背景及硫同位素的系统研究，认为：①该矿床的赋矿层位就是其初始矿源层；②经区域变质变形和多期构造活动，初始矿源层中的成矿物质活化、迁移，在近EW向张性裂隙中充填、沉淀而富集成矿。     

某高硫铜硫矿工艺矿物学研究

研究了某高硫铜硫矿的工艺矿物学。结果表明,原矿中铜品位为2.85%,硫品位为24.32%,金含量为0.48g/t,铜、硫、金是主要回收的元素。原矿中的金属矿物有黄铜矿、黄铁矿、蓝辉铜矿。目的矿物黄铜矿和黄铁矿的嵌布粒度差异较大,且铜矿单体解离度相对较差。在选择工艺流程时应该注重氧化铜矿物的回收,同时要选择合适的磨矿细度,保证目的矿物单体解离。     

贵州省纳雍县兴源煤矿二叠系龙潭组沉积特征浅析

在全面收集前人对研究区的区域地质调查资料和地质勘查成果基础上,从地层层序入手,研究区含煤岩系主要岩相类型,分析、总结研究了贵州省纳雍县兴原煤矿二叠系龙潭组矿区发育的主要沉积体系及其特征,为该区的下步勘探工作奠定基础。     

六盘水石炭系泥岩的分布及其特性研究

该文中的石炭系软质岩:泥岩,从它的工程定义上去定义,主要指"抗压强度"值30 MPa的泥岩,含有大量膨胀性粘土矿物的岩体,其主要特征为塑性变形较大、压缩性高,对软质岩再细分可划分为:较软岩、软岩、极软岩,常见的有泥岩,页岩等。     

务川县近30年气候变化特征分析

采用务川县国家一般气象观测站1980~2009年的气温、降雨、日照等观测资料,通过线性倾向估计、滑动平均和累积距平等方法,分析了近30年来务川县气候变化的主要特征。结果表明:近30年来,务川县年平均气温升高了0.54℃,春季气温上升贡献最大;年降水量趋势变化不明显,季节变化较复杂,仍需进一步研究;年日照时数及季节性变化特征呈现整体下降趋向,春、秋两季缓慢增多,夏、冬两季呈减少趋势,夏季较明显。