基于改进深度残差网络的旋转机械故障诊断

针对旋转机械工况复杂多变、有标签样本不足而导致的故障特征提取困难等问题,提出了一种用于旋转机械故障诊断的改进深度残差网络(improved deep residual network, IDRN)。首先,采集旋转机械一维振动信号进行数据预处理;然后,在深度残差网络的基础上引入了长短时记忆(long short-term memory, LSTM)网络,其中,LSTM网络可以有效捕捉故障的时序信息;在残差块中引入Dropout层提高了故障诊断的精度和收敛速度;最后在轴承与齿轮数据集上验证本文提出方法的有效性。实验结果表明,该方法在堆叠多层网络模型时,没有出现明显的网络退化现象,与当前广泛使用的几种诊断方法进行对比实验,表现出了较高的平均诊断精度和良好的适用性。     

基于相似体系的民机结构超手册维修案例分析

为了解决超出手册范围的民机结构维修问题, 提出一种基于相似体系的民机结构超手册维修案例体系模型。通过提取航空公司现有民机结构案例的损伤信息和维修方案信息, 依据信息性质, 采用数值分析、层次法、属性度量、术语频率-逆文档频率(term frequency-inverse document frequency, TF-IDF)方法进行系统的相似度分析, 建立案例相似度指标体系。导入维修案例数据, 通过支持向量机(support vector machine, SVM)分类以及弹性网络回归对指标体系进行权重分配并验证其可靠度达到82%。最后通过实例深度分析了该体系的可行性, 实例证明, 案例相似度指标体系的权重分配与区分效果总体符合实际, 对民机结构超手册维修案例的制定有着重要参考意义。