基于注意力机制的双向门控循环单元网络齿轮故障识别系统

提出一种基于注意力机制 （Attention Mechanism，AM） 的双向门控循环神经网络模型的齿轮故障识别系统。使用基于 STM32 的嵌入式主控制器分别采集正常齿轮、断齿齿轮、轮齿剥落齿轮等 3 种故障齿轮工作时的振动传感器数据，使用基于注意力机制的双向门控循环单元网络模型进行齿轮故障识别。双向门控循环神经网络模型添加了注意力机制，保留输入特征的重要信息，不随步长增加而消失。将采集到的原始数据集按7∶2∶1的比例划分为训练集、验证集和测试集。测试集模型的齿轮故障识别准确率达到了99.67%，与GRU和Bi-GRU等模型的结果对比证明该模型的正确率更高。本系统可用于汽车变速器的监测与故障诊断。     

不同水深条件下海上风机群桩基础局部冲刷特性

在清水状态下，对不同水深和间距比条件下的群桩局部冲刷进行了三维数值模拟研究。结果表明，水深（h）对冲刷特性的影响与间距比（G/D）有关。当G/D=2、4和5时，随着水深的增大，平衡冲刷深度小幅增大，当G/D=3时，随着水深的增大，平衡冲刷深度显著增大。随着间距比的增大，平衡冲刷深度非单调变化。G/D=2工况的平衡冲刷深度最大，群桩冲刷坑形成一个整体；G/D=3工况的平衡冲刷深度最小，下游桩柱周围冲刷不明显；G/D=4、5工况的平衡冲刷深度较大，且随间距比的增大而减小，各个桩柱的冲刷坑独立。     

城市轨道交通车站运营中断后网络动态脆弱性与恢复力分析方法

城市轨道交通网络的快速发展对日常运营提出了更高要求。研究突发运营中断事件下城市轨道交通网络脆弱性与恢复力能够了解网络中的薄弱环节，可为日常运营管理提供依据。首先对城市轨道交通网络脆弱性与恢复力的定义及影响因素进行讨论，构建网络动态脆弱性与恢复力分析与评价方法。然后对某市轨道交通网络在不同车站不同中断时长条件下的脆弱性与恢复力水平进行案例评估，结果揭示出网络脆弱性与中断车站客流量及其在网络中的拓扑重要性关系，以及网络恢复力与中断车站的位置及设施设备能力的关系，同时也表现出一定的时空特性。