基于优化VMD和MCKD的滚动轴承早期故障诊断方法

针对滚动轴承早期故障信号易受噪声等背景信息干扰难于提取故障特征的现象,提出了将优化K值的变分模态分解(VMD)和粒子群优化算法(PSO)优化参数L,M的最大相关峭度解卷积(MCKD)相结合提取滚动轴承故障特征频率的方法.首先,确定VMD中K值,对信号进行分解后得到一系列模态分量;然后利用EWK指标选择包含故障信息最多的有效模态分量进行后续分析,利用优化的MCKD对其进行增强;最后对增强信号进行包络解调提取故障特征频率,验证所提方法的有效性.仿真和实验表明该方法可以精确地提取出轴承故障信号中的特征频率,实现故障诊断.     

竞争失效下多元退化建模的航空发动机可靠性分析

为了解决航空发动机的竞争失效下多元退化系统可靠性评估问题,提出一种多元退化失效和突发失效之间相关竞争失效的可靠性评估方法.以具有随机效应的非线性Wiener过程与Gamma过程描述退化失效过程,选择合适的Copula函数对多元退化失效相关性进行建模,通过马尔科夫链蒙特卡洛方法进行多元退化系统相关失效模型参数估计;引入Weibull分布描述突发失效时间,采用比例危险模型构建关于性能退化量的突发失效率函数,利用两步极大似然估计法识别模型参数.结合航空发动机的性能退化数据实现了竞争失效下多元退化系统可靠性评估,通过分析结果验证了模型的有效性与准确性.     

基于迁移学习的轴承剩余使用寿命预测方法

针对目前大多数基于人工智能的轴承剩余使用寿命(remaining useful life,RUL)预测方法不能很好地预测不同工况下轴承剩余寿命的问题,提出了一种基于迁移学习的寿命预测方法,对不同工况下的轴承进行剩余寿命预测.对采集的轴承原始振动信号进行傅里叶变换得到频域信号,以卷积神经网络和长短时记忆网络作为特征提取器对轴承频域信号进行特征提取并挖掘数据之间的时序信息,采用全局和局部域适应相结合的方法降低不同工况下轴承数据的分布差异.通过现有多种工况下轴承运行数据验证了该方法的有效性.与传统深度学习模型相比,所提方法提高了不同工况下轴承RUL预测精度.     

浅谈化学课堂教学中学生学习兴趣的激发

学习化学的兴趣是学习化学的主要动机之一,它是推动学生主动学习的最实际的动力因素。初三化学是启蒙学科,是学习高中化学的基础,初三学生对化学这门新课具有强烈的好奇心。因此,在教学中应充分利用学生的这种好奇心,激发学生的学习兴趣,使他们产生求知欲,积极、主动地去学化学。如何激发学生学习化学的兴趣呢？