基于一维ConvNeXt网络的齿轮箱故障诊断

针对齿轮箱发生故障时内部齿轮与滚动轴承受损情况复杂且难以识别的问题,提出一种基于ConvNeXt网络的齿轮箱故障诊断方法。该网络模型以深度可分离卷积为基础框架,构建适用于一维数据的残差块。为了提升网络模型的拟合能力,引入GELU(Gaussian Error Linear Units)激活函数对数据进行非线性变换。使用层标准化对数据进行归一化处理,抑制了中间协变量偏移现象并提升了网络的收敛速度和稳定性。使用DDS(Drivetrain Dynamics Simulator)齿轮箱故障数据集进行实验,结果表明此网络模型大幅降低了网络模型参数量,对齿轮箱各类故障均有较高的识别精度并具有良好的抗噪性。     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

基于专业特色的本科经管专业法律课程建设

目前高校经管类专业中都开设有法律课程,以经济法最为典型.虽然经管类专业人才培养中法律教育已公认不可或缺,但在课程设置、开设时间等方面都存在问题,间接导致教学效果不佳,经管类专业中的法律教育“鸡肋”性质明显,通过分析在法律教学中存在的问题,提出经管专业的法律课程建设即应体现法律与经济的辩证关系,又要遵循法律学科规律,更要考虑客体的专业需求,建立具有专业区分度的经管专业法律教育.     

某型船油水代换系统设计和试验方法改进探讨

油水代换系统是解决舰艇因燃油消耗而引起的稳性下降的主要方法,在国内外潜艇上已有多年成功应用经验,自20世纪末也被极少量国内水面舰船所采用。某型船由于代换过程复杂、试验时油量浪费大,以及用户担心其可靠性等原因,导致该系统长期闲置。文中根据国内某型船已有的油水代换系统进行传感器可靠性相关试验,基于试验结果和借鉴俄罗斯潜艇的成功经验,对该船油水代换系统的设计、试验和使用等提出了四项优化改进措施,以提高该型船油水代换系统的可靠性、经济性及操作便利性,以使该系统最终能在国内水面舰船上发挥广泛有效的作用。     

燃气PE管道热熔接头的微波无损检测应用

PE管道热熔接头的焊接缺陷和服役过程发展的缺陷会影响其安全运行,但传统针对金属材料的NDT方法难以对PE管道热熔接头的焊接质量进行有效检测。微波无损检测技术可以对非金属及其复合材料的结构和内部缺陷进行检测。文中简述了微波检测原理,对某城市燃气安装现场PE管热熔接头进行了微波检测,并对其中一道焊缝微波检测结果表征的异常位置进行了破坏性试验,微波检测结果与破坏性试验结果吻合度较高,验证了微波无损检测技术对热熔接头内部异常的检测准确性。     

长输管道补口结构的微波无损检测应用

文中采用微波无损检测技术对某新建长输管道补口结构进行检测与验证,在微波检测频率下,补口粘接不良会导致其材料介电性能改变,微波检测结果中的灰度值很好地表征了粘接不良缺陷。微波无损检测技术可作为补口质量检测的有效方法,实现补口结构及粘接质量的非破坏性检测与评价。     

基于双流降维EEMD-CNN滚动轴承故障诊断

为了提高滚动轴承故障分类的准确率,提出了一种将EEMD与一维卷积神经网络(1D-CNN)相结合的滚动轴承故障识别方法。首先利用EEMD算法将轴承故障振动信号分解为若干条IMF分量,筛选确定可以充分体现故障类型的IMF分量,将原始数据和筛选出的IMF分量分别采用主成分分析算法(PCA)进行降维处理,并将处理后的PCA-IMF分量和原始数据分量分别作为1D-CNN的输入数据进行网络训练和测试,得到故障识别结果。通过对比分析,与EEMD-CNN、EEMD-随机森林等方法的平均准确率进行横向比较,结果表明,EEMD-CNN方法用来识别故障类型更为准确。     

浅析船舶设备研制过程中的项目管理

从项目管理的组织类型入手,结合船舶设备研发活动的特点以及项目型组织和职能型组织的优缺点,讨论管理新船舶设备开发和开发项目的组织要求,包括充分了解管理模式,积极创造支持项目管理的环境,以及采用适合项目特点的灵活组织形式,以期为船舶设备开发过程中的项目管理提供一定的参考.     

改进残差网络和迁移学习的齿轮箱故障诊断

针对齿轮箱故障诊断问题,提出一种基于多尺度特征提取与融合混合注意力机制的残差网络模型。该模型直接对原始振动信号进行特征提取,通过增加混合注意力机制来增加网络深度,提取关键信息,提高网络稳定性与故障识别准确率;串联首层多尺度特征提取模块,增加网络宽度,提取不同频率特征值的同时避免了梯度爆炸问题,最终故障诊断精度达到99.9%;通过噪声实验,验证网络具有较强鲁棒性。网络使用迁移学习的方式,解决了实际工业中数据量不足的问题,并验证了网络的泛化能力。所提网络具有公开性与实用性。     

单洞双向公路隧道火灾场景临界风速研究

为解决公路隧道典型火灾场景通风排烟问题，以单洞双向公路隧道为研究对象，利用FDS软件采用数值模拟的方法对单洞双向公路隧道典型火灾工况下的临界风速面临的多种类型的影响因素进行分析研究，并获取相应的模拟数据；以不同类型的影响因素作为神经网络输入，临界风速作为网络输出搭建LSTM网络模型，并根据试验数据进行网络性能分析。结果表明：LSTM网络模型的预测值与期望值的最大相对误差不超过0.03,具有良好的准确性，在数据的精度方面可满足隧道消防工程的精度要求，较为准确地预测了多种因素作用下的典型火灾场景临界风速，为临界风速的研究提供了一种新方法，有助于进一步提升公路隧道安全运营。