基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

基于SVPWM低谐波死区算法的研究及应用

针对传统死区时间注入SVPWM调制波会使逆变电路输出波形产生畸变并导致其幅度降低的问题,为降低输出波形的谐波含量,提出了一种将可变死区时间加入到零矢量中的死区注入方法。在单相SVPWM调制方法的矢量合成原理分析基础上,对死区算法进行理论研究,并利用Matlab仿真进行了谐波分析。研究了采用FPGA生成SVPWM波形及相应的死区注入方法,利用微网分布式电源实验平台,分别对两种不同死区时间注入单相SVPWM的算法进行了实验验证,证明了该低谐波死区算法的有效性和准确性。     

分布式电源中Z源逆变器锁相方法的研究

针对分布式电源并网运行时存在谐波干扰及并联运行时分布式电源之间的相位差会导致环流影响系统安全性等问题,对分布式电源中Z源逆变器的锁相方法进行了研究。通过对Z源型逆变器拓扑结构和空间矢量正弦波调制方法的分析,在DSP加FPGA控制平台实现对最大功率跟踪和电压电流幅度控制的基础上,提出了一种同时利用软件过零信号和硬件过零信号的数字锁相方法。该数字锁相环通过FPGA实现,可以提高分布式电源中Z源逆变器锁频锁相的稳定性和准确性。经过分布式电源实验平台验证,证明了这种锁相方法的可靠性。     

基于不同倾角的刮板输送机中部槽的冲击磨损研究

针对刮板输送机运输过程中中部槽处的冲击磨损问题,以SGZ630/220型中双链式刮板输送机为研究对象,建立了刮板输送机运输煤散料的离散元模型,通过分析煤颗粒的物理性质与中部槽冲击磨损的原因,研究刮板输送机在输送煤料过程中,不同位置的颗粒大小分层及中部槽冲击磨损差异,并通过分析刮板输送机中部槽应变云图对研究结果进行了验证。研究结果表明：(1)中部槽在侧倾角为0°的工作条件下,冲击损伤深度更大且法向累计接触能量更大,在4 s末中部槽累计的冲击损伤深度为0.000 161 6 mm。在侧倾角工作状态下,有些煤颗粒没有直接对中部槽产生冲击,而是直接对中部槽的槽棒产生冲击,所以该状态下4 s末中部槽累计的冲击损伤深度较小。(2)侧倾角为0°时4 s末中部槽累计冲击损伤深度最大,达0.000 161 6 mm;前倾角为5°时中部槽累计冲击损伤深度略大于前倾角为-5°的冲击损伤深度。前倾角为0°时对中部槽的影响最大,最大应力为2.85×10⁵ Pa,最大应变为6.03×10^-7mm,前倾角为5°、-5°时依次递减。     

常用内装材料的吸湿性能研究

根据GB/T 20312-2006的方法对市面上常用的几种内装材料的吸湿性能进行了分析,实验结果表明木材及硅藻土的吸湿性能较好.木材在相对湿度高时易滋生霉菌,相比之下,硅藻土不易滋生霉菌,且在相对湿度高时响应快,是一种优异的吸湿材料.     

SLOPE/W在某露天煤矿采掘场边坡稳定性分析中的应用

某煤矿采掘场非工作帮边坡为软岩高边坡,为分析边坡是否存在潜在安全隐患而影响施工进度及施工安全,进行了非工作帮边坡的稳定性分析。采用Geo-studio软件中的Slope/W模块建立了边坡的计算模型,并用Bishop法和Morgenstern-price法对暴雨工况和暴雨叠加地震工况进行计算,得出边坡的稳定性系数。推测的滑面计算结果与边坡稳定性评价的标准进行对比,发现计算结果与现场勘察后预测结论基本一致。该边坡整体稳定性为基本稳定。更多还原     

各类木材剥皮设备和剥皮方法

介绍了铣刀式木材剥皮机、槽式木材剥皮机、水力木材剥皮机、气力木材剥皮机、无伤型环式木材剥皮机、肉桂树剥皮机和化学剥皮法等剥皮设备和剥皮方法。     

环式木材剥皮机的设计计算

介绍环式木材剥皮机的生产能力、剥皮功率、切削力、剥皮速度、刀盘转子最佳转速以及液压系统压力等的设计计算,并对影响环式木材剥皮机剥皮质量和生产率的因素进行分析。     

基于聚类分析的微博广告发布者识别

微博空间存在大量的广告内容,这些信息严重影响着普通用户的用户体验和相关的研究工作。现有研究多使用支持向量机（SVM）或随机森林等分类算法对广告微博进行处理,然而分类方法中人工标注大数据量训练集存在困难,因此提出基于聚类分析的微博广告发布者识别方法：对于用户维度,针对微博广告发布者通过发布大量普通微博来稀释其广告内容的现象,提出核心微博的概念,通过提取核心微博主题及其对应的微博序列,计算用户特征和对应微博的文本特征,并使用聚类算法对特征进行聚类,从而识别微博广告发布者。实验结果显示,所提方法准确率为92%,召回率为97%,F值为95%,证明所提方法在广告内容被人为稀释的情况下能准确地识别微博广告发布者,可以为微博垃圾信息识别、清理等工作提供理论支持和实用方法。     

深度强化学习研究综述

作为一种崭新的机器学习方法,深度强化学习将深度学习和强化学习技术结合起来,使智能体能够从高维空间感知信息,并根据得到的信息训练模型、做出决策。由于深度强化学习算法具有通用性和有效性,人们对其进行了广泛的研究,并将其运用到了日常生活的各个领域。首先,对深度强化学习研究进行概述,介绍了深度强化学习的基础理论;然后,分别介绍了基于值函数和基于策略的深度强化学习算法,讨论了其应用前景;最后,对相关研究工作做了总结和展望。