基于VMD与KFCM的柴油机故障诊断算法

针对柴油机的故障诊断问题,提出了一种基于变分模态分解（variational mode decomposition,简称VMD）与核模糊C均值聚类算法（kernel fuzzy C-means clustering,简称KFCM）联合的故障诊断方法。首先,针对VMD算法中分解层数K的选择问题进行了自适应优化;然后,从优化VMD算法的分解结果中选取3个关键分量计算最大奇异值,并将其作为3维的特征向量输入KFCM算法中进行分类识别;最后,对仿真信号以及某型柴油机的模拟故障实验信号使用优化VMD、传统VMD和经验模态分解（empirical mode decomposition,简称EMD）方法分别进行分解与识别。结果表明,笔者提出的方法明显改善了模态混叠现象,提高了模式识别的诊断正确率,提出的联合算法具有更好的应用前景。     

改性石墨烯包覆光纤的马赫-曾德尔大肠杆菌传感器

针对日益严峻的食品安全问题,特别是食源性致病菌的快速检测,本文提出一种基于表面改性石墨烯粗锥型马赫-曾德尔干涉结构的光纤大肠杆菌传感器。首先,截取一根4 cm的实心光子晶体光纤,两端分别与两根单模光纤进行粗锥熔接,形成基于马赫-曾德尔干涉原理的传感结构;接着,制备一种表面改性石墨烯敏感材料,将它涂覆在实心光子晶体光纤的表面,使传感器对大肠杆菌溶液有较高的灵敏度;最后,将上述传感器置于水槽中,以此检测大肠杆菌溶液浓度。实验结果表明,在大肠杆菌溶液浓度为50~600 cfu/mL内,随着菌液的浓度增大,传感器的干涉光谱发生了明显的蓝移,灵敏度为3.43 pm/(cfu·mL^-1),菌液浓度与波长偏移的线性度为0.95649,检测限为67.18 cfu/mL,响应时间为15 s。该传感器成本低、体积小、响应时间快,适用于低浓度大肠杆菌浓度的快速检测。     

基于循环一致性对抗网络的室内火焰图像场景迁移

基于深度学习的视频火灾探测模型的训练依赖于大量的正负样本数据,即火灾视频和带有干扰的场景视频。由于很多室内场合禁止点火,导致该场景下的火灾视频样本不足。本文基于生成对抗网络,将其他相似场景下录制的火焰迁移到指定场景,以此增广限制性场合下的火灾视频数据。文中提出将火焰内核预先植入场景使之具备完整的内容信息,再通过添加烟雾和地面反射等风格信息,完成场景与火焰的融合。该方法克服了现有多模态图像转换方法在图像转换过程中因丢失信息而造成的背景失真问题。同时为减少数据采集工作量,采用循环一致性生成对抗网络以解除训练图像必须严格匹配的限制。实验表明,与现有多模态图像转换相比,本文方法可以保证场景中火焰形态的多样性,迁移后的场景具有较高的视觉真实性,所得结果的FID与LPIPS值最小,分别为119.6和0.134 2。     

基于SoftSwitch和Parlay Gateway的下一代呼叫中心

介绍了基于SoftSwitch和Parlay Gateway的下一代呼叫中心的关键技术、系统结构设计以及组网。并以自动客服转入工坐席处理业务为例说明业务的实现流程。     

矿车拉伸试验系统的研究

矿车是煤矿井下运输的主要工具之一,上海大屯能源股份有限公司拓特机械制造厂每年都生产矿车（额定牵引力60kN）和无极绳梭车（额定牵引力80kN）,其车梁、碰头和联接插销质量的好坏,直接影响到运输的安全性,在斜向巷道运输时,其安全重要性尤为突出。     

基于Marangoni效应的光学元件化学抛光工艺研究

介绍了Marangoni界面效应及化学抛光反应机理,进行了数控抛光刻蚀实验研究,包括刻蚀稳定性实验、刻蚀量与刻蚀头速率的关系以及初步的面形修复加工.通过对实验结果进行分析,得到稳定可控刻蚀抛光的上限刻蚀速率和刻蚀效率与刻蚀头走速的函数关系.     

基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究

为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力-卷积神经网络-双向门控循环单元(multiple attention-convolutional neural networksbidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)-核模糊C-均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。     

基于数值模拟的土压平衡盾构机施工效率优化

以某城市地铁施工ＥＰＢ盾构机为研究对象，针对刀盘挖掘速度、旋转速度和土体切削率之间的关系进行盾构机施工效率提升优化研究。采用通用有限元分析软件建立土体和盾构刀盘的三维模型。土体模型基于非线性Ｄｒｕｃｋｅｒ－Ｐｒａｇｅｌ模型屈服准则，应用ＡＬＥ法处理大范围的土体变形和破坏问题。应用ＡＢＡＱＵＳ模拟刀盘切削土体的过程，对土体在刀盘切削工况下的Ｍｉｓｅｓ应力、等效塑性应变（ＰＥＥＱ）和质量切削率进行分析，并对试验数据进行回归分析。结果表明:刀盘在对同种土体进行切削时，随着转速的增大，其轴向力和对应力矩都呈现出先增加后减少的趋势，其中刀盘轴向力的变化范围为0～300ｋＮ，刀盘轴向力的变化范围为0～300ｋＮ／ｍ。通过回归分析得出刀盘挖掘速度、旋转速度和土体切削率之间的函数关系并计算出盾构机挖掘效率最优的系统挖掘参数组合为刀盘转速6ｒ／ｍｉｎ和挖掘速度10ｍｍ／ｍｉｎ。     

三甘醇再生系统异常污染堵塞工况的分析研究

HP平台配置三甘醇脱水及再生系统,用以天然气脱水至露点合格后外输。系统使用一定年限后,出现流程严重堵塞污染问题,通过对堵塞物、工艺流程、操作参数等相关因素进行分析研究,澄清问题根源,优化设备运行工况、生产参数,避免异常污染重复发生。