基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

用于VLSI的新型介质膜界面陷阱的特征

采用雪崩热电子注入技术和高频Ｃ－Ｖ准静态Ｃ－Ｖ特性测试,研究了新型快速热氮化的ＳｉＯｘＮｙ介质膜界面陷阱的特征,侧重于研究界面陷阱的特性与分布。结果表明：这种ＳｉＯｘＮｙ薄膜禁带中央界面陷阱密度随氮化时间的分布变化呈现”回转效应“,且存在着不同类型、密度悬殊很大的电子陷阱、指出雪崩热电子注入过程中在Ｓｉ／ＳｉＯｘＮｙ界面上产生两种性质不同的快界面态陷阱;给出了这两种界面态陷阱密度在禁带中能量的分布     

质量成本控制的数学模型

通过对质量成本的构成分析,给出了一个对质量成本进行定量分析计算的数学模型,并讨论了如何进行质量成本控制的方法。     

合肥地区高校安居园工程可行性研究

文章针对合肥地区高校教师住房面积普遍偏小,尤其是中青年教师住房十分困难。经过对合肥地区高等院校教师现有住房情况的调研,提出了建造高等院校教师安居园工程的设想及实施方案,对实施“科教兴皖”的战略方针具有现实意义。     

FMS故障诊断专家系统的研究与开发

为保证柔性制造系统的可靠运行,对其发生的故障进行快速诊断,研究开发ＦＭＳ故障诊断专家系统。方法根据ＦＭＳ故障的特点综合运用模糊数学、专家系统、神经网络、数据库和机器学习等理论,解决专家系统中许多关键技术,     

车用发动机高压电控喷油器的开发研究

以提高大功率车用发动机的动力性,经济性和排放性能为目的,对电控高压喷油器进行开发设计和实验研究,采用中压油源,由系统内部增压器来产生理想喷射所需的高压;通过蓄压装置和高速电磁开关阀控制喷油正时。结果 实验表明：最高喷油压力达１２４ＭＰａ,喷油规律的控制不受发动机转速影响,在系统结构和供油压力确定不变的条件下,完全由高速电磁开关阀的控制信号决定。     

流动注射分光光度法测定水中痕量正磷酸盐

在一定酸度条件下,甲基绿与磷钼杂多酸在水相所形成的离子缔和物于６６５ｎｍ处有一最大吸收峰,而试剂空白的最大吸收在６３０ｎｍ左右。     

一种新的故障诊断专家系统

为了在新的环境中建造一个更加有效的故障诊断专家系统,在一般故障诊断专家系统的基础上,根据智能模拟器综合测试的特点和故障诊断要求,提出了一种新的专家系统知识分类和表示的方法．按照这种方法,利用ＨＰＶＥＥ（可视化工程环境）编程语言在Ｗｉｎｄｏｗｓ平台上建造了一个实用系统．该系统的仿真运行得到了很好的结果,故障诊断率达到１００％,诊断速度完全满足系统要求．     

唐山城市防灾的地质灾害分区评价

根据唐山市区曾发生过的地质灾害及其相关的活动构造、第四纪沉积物厚度和地貌条件,从城市建设和安全的角度进行唐山市地质灾害分区评价。