基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于3D打印技术制造柔性传感器研究进展

与传统的涂覆、沉积等加工手段相比，使用3D打印技术可制造复杂立体功能结构的传感器，将3D打印与柔性传感技术结合可以促进未来生物医疗、人工智能等领域的发展。本文介绍了国内外基于3D打印技术制造柔性传感器的最新进展，其中包括聚酰亚胺等多种基底材料、纳米金属等多种打印传感材料；按照熔融沉积、黏弹性墨水沉积、粉末烧结熔化、还原光聚合和材料喷射的制造原理分别阐述了多种传感器的材料选择、成型特点，并对制造方法进行总结分析。虽然3D打印制造柔性传感器件存在着缺乏行业标准及多种类打印材料等问题，但经过不断创新与发展，3D打印将成为柔性传感领域极佳的制造手段。     

顶板深孔爆破防治小煤柱冲击地压研究

以巴彦高勒煤矿1202回风巷小煤柱区域为研究对象,采用数值模拟、理论分析、钻孔窥视等方法,研究小煤柱区域应力分布状态及顶板断裂结构特征。对煤柱侧顶板卸压机制及其断裂结构进行了分析,结果表明:采空区顶板的断裂能够实现应力的转移和释放,较断裂前垂直应力降幅达32. 0%、应力峰值位置向实体煤侧偏移4 m,同时有效降低了拐角煤体与其他区域的应力差值。划分了小煤柱侧顶板断裂类型,结合全断面窥视结果,确定出深孔爆破技术治理煤柱侧坚硬顶板的爆破参数。顶板治理措施实施后,巷道变形量得到有效控制,降低了小煤柱区域冲击地压危险程度。     

202不锈钢中非金属夹杂物的形成机理

通过工业试验对202不锈钢进行系统取样，分析试样中夹杂物的变化特征，结合热力学计算，研究了202不锈钢中非金属夹杂物的形成机理。在进行硅锰脱氧后，LF精炼过程中钢液内以球型Ca?Si?Mn?O夹杂物为主。对于硅锰脱氧钢，钢液中残余铝质量分数为1×10?5时，可以扩大Mn?Si?O相图的液相区，但铝质量分数超过3×10?5会导致钢中容易形成氧化铝夹杂物并减小液相区。在连铸坯中以Mn?Al?O类夹杂物为主，相较于LF精炼过程试样，连铸坯试样中夹杂物的MnO和Al₂O₃含量明显增加，CaO和SiO₂含量明显减小，夹杂物个数则由LF出钢试样的5.5 mm?2增加到11.3 mm?2。结合热力学计算发现，凝固过程中会有Mn?Al?O夹杂物形成，这也使其成为连铸坯中主要的夹杂物类型。      

基于立式加工中心的端盖零件加工工艺及夹具设计

结合立式数控加工中心的加工特点,制定了端盖零件数控加工工艺,并对端盖零件装夹的定位、夹紧分析,确定了一面一短芯轴的定位方案和气动夹紧办法。