基于深度学习的含未知复合故障多传感器信号故障诊断

深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络（CNN,convolution neural networks）和长短时记忆网络（LSTM,long short-term memory networks）就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM （fuzzy C-means）模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。     

TC4钛合金激光焊接的数值模拟

应用有限元方法建立焊接三维应力场的数学模型。利用ABAQUS有限元软件以TC4薄板为例进行数值模拟,获得了TC4薄板的瞬态温度场和残余应力场的分布规律。结果表明在TC4薄板焊缝周围存在较大的残余应力,尤其在焊件内部存在的拉伸应力状态。本文为激光焊接工艺的改进和发展提供了技术指导与参考。