关键词： 泡沫管网   LightGBM   仿真模拟   故障诊断   机器学习  

摘要： 为提高换流站消防泡沫管网系统维护效率、及时发现故障问题，基于实验结果验证数值模拟准确性后，构建数据库，建立基于LightGBM方法的故障诊断模型，并使用GridSearchCV找到最佳超参数组合，提高模型性能。结果表明：不同故障类型（管道泄漏、泵故障、阀门损坏、管道堵塞）、故障位置的工况数据，流量、压力变化差异显著，所建立的故障诊断模型准确率可达93.08%，模型性能较好。因此，使用基于LightGBM的故障诊断方法有助于换流站消防泡沫管网系统故障诊断，并且能够为其他相似复杂系统的故障诊断提供参考。

关键词： 特高压交流变压器   直出式出线装置   电弧故障防御   绝缘裕度   机械稳定性  

摘要： 传统特高压交流变压器出线装置安装在油箱外部的“L型”套管升高座中，由于升高座是半封闭式狭小空间，一旦出线装置发生油中电弧故障，升高座内部冲击压力叠加汇聚现象比油箱内部故障更加严重，导致升高座撕裂与爆燃风险较高。为提高特高压交流变压器故障防爆能力，该文提出一种基于高压直接出线方式(简称“直出式”)的特高压变压器设计方案。针对直出式出线装置油纸绝缘结构进行优化设计，研制出1000kV直出式出线装置，通过绝缘裕度、振动及冲击试验验证了直出式结构具备绝缘可靠性及机械稳定性。研制了采用直接出线方式的特高压交流变压器样机并通过型式试验考核。仿真计算可知，直出式出线结构可显著提高升高座故障防御能力，直出式方案可为特高压交流变压器的防爆设计提供一种技术途径。

关键词： 动车组   包覆结构   曲面铝蜂窝   等效模型   模态分析  

摘要： 由于铝蜂窝具有比刚度高的特点，它可实现轨道车辆结构轻量化设计。文章在平面铝蜂窝结构本构理论等效公式的基础上，提出了动车组包覆结构中曲面铝蜂窝等效建模方法。利用连续的正交各向异性的实体单元模拟曲面铝蜂窝芯，其材料参数由平面铝蜂窝结构本构理论等效公式确定。依据曲面铝蜂窝的几何特征，全自动建立了每个正交各向异性的实体单元的专属材料坐标系。为了验证曲面铝蜂窝等效模型的正确性，利用挤压成型的数值仿真技术获得了曲面铝蜂窝有限元模型，并把该模型作为曲面铝蜂窝的详细模型。基于Optistruct软件分别计算了曲面铝蜂窝的详细模型和等效模型的自由模态。数值结果表明，文章所提出的曲面铝蜂窝等效方法可精确地计算曲面铝蜂窝模态，并且计算效率明显高于详细模型。

关键词： 智能系统   摊铺技术   机器学习   故障诊断   3D技术  

摘要： 针对3D智能摊铺技术的现有研究主要集中在应用和优化上，关于故障诊断的研究相对较少的情况，设计实现一种3D智能摊铺故障诊断系统，通过高级数据分析和机器学习算法，提供诊断支持。工程应用评估结果表明：该系统不仅能够快速识别和诊断故障，还能显著缩短故障修复时间，从而确保道路建设的连续性和高效性。

关键词： 模块化多电平换流器   人工智能   无监督学习   稀疏自编码器模型   故障诊断  

摘要： 基于人工智能的模块化多电平换流器故障诊断方法具有广泛的适用性，但该类方法模型训练成本大且算法量复杂。对开路故障下子模块电容电流状态进行对比分析，提出将正常运行时电容电流理论值、实际值作为原始输入数据。利用稀疏自编码器强大的数据挖掘能力来设置多分类的故障诊断阈值，从而直接实现故障的准确定位和类型判断。所提策略采用无监督学习的方式进行模型训练，无须进行各类故障样本和数据处理即可快速准确地实现不同场景的多管故障诊断。相较于现有基于人工智能的诊断策略，所提策略鲁棒性更强，诊断速度更快，计算成本更低，规避了手动阈值选取复杂的问题。仿真和实验结果验证了所提策略的有效性。

关键词： 中厚板   弯曲问题   光滑应变技术   完全光滑技术   不规则单元  

摘要： 基于Reissner-Mindlin板弯曲理论，建立了中厚板弯曲问题的完全光滑有限元法。这种方法不仅改善了有限元方法刚度矩阵过刚的数值缺陷，而且采用光滑积分伪弱形式对应变矩阵中的剪切项进行处理。相对于光滑应变技术，光滑积分伪弱形式需要引入形函数不定积分处理过程，且对形函数连续性的要求没有降低。由于光滑应变技术和光滑积分伪弱形式的引入，在计算中厚板弯曲问题的刚度矩阵时所有的区域积分都可转化为光滑域的边界积分，并且无需坐标映射和雅可比矩阵计算。算例分析表明，将完全光滑有限元法用于中厚板弯曲问题的分析是行之有效的，并且具有很强的抗网格畸变能力。

关键词： 断路器   变分模态分解   特征提取   支持向量机   故障诊断  

摘要： 本研究提出一种断路器高效故障诊断方法。针对故障样本不均衡问题，采用合成少数类过采样技术(Synthetic Minority Oversampling Technique， SMOTE)进行样本扩充；采用蜣螂算法(Dung Beetle Optimizer， DBO)对变分模态分解(Variational Mode Decomposition， VMD)的惩罚因子、分解层数进行自适应选取；计算分解后各分量的熵值和时域指标，构建多维混合特征向量，并采用核主成分分析(Kernel Principal Component Analysis， KPCA)实现故障特征的提取；在支持向量机(Support Vector Machine， SVM)的超参数取值上，采用改进雪消融算法(Improve Snow Ablation Optimizer， ISAO)对SVM的参数进行寻优。将提取后的故障特征输入到SVM中进行故障诊断，实验结果表明，该模型能够较好的提取各样本的故障特征，具有良好的故障诊断效果。并将该模型与其他模型进行对比，该模型的诊断精准度均高于其他模型，具有较好的泛化能力。

关键词： 相空间重构   改进Swin Transformer   IDC-GAM   迁移学习   故障诊断  

摘要： 目的 为解决传统方法在电机轴承故障诊断中对非线性信号处理不佳导致准确率不高的问题，提出了一种相空间重构结合改进Swin Transformer的电机轴承故障诊断方法。方法 首先用相空间重构方法（Phase Space Reconstruction， PSR）还原系统动力学特性，将一维振动时序信号转化为二维相图，再将其相图输入改进Swin Transformer模型。该模型在Swin Transformer Block的输出路径中并行添加一个经过优化的全局注意力机制模块（IDC-GAM），形成一种双分支特征处理策略，通过结合这两个分支网络提高了模型特征提取能力。此外，通过迁移学习技术，利用预训练参数对模型进行优化。最后，基于改进模型对不同故障类型进行分类。结果 通过仿真实验表明，提出的方法故障诊断准确率达到99.78%，在对比方法中属于最佳，且改进Swin Transformer对比Swin Transformer在分类识别效果也有所提高。结论 实验结果验证了方法的有效性和可行性，表明相空间重构结合改进Swin Transformer的电机轴承故障诊断可以有效的处理非线性信号并有着较高的准确率。

关键词： 固体姿轨控发动机   测力台   静力学分析   模态分析   多目标优化  

摘要： 为了准确测量固体姿轨控发动机的推力，设计了一种具有中心对称结构的十字型构型的十二分力固体姿轨控发动机测力台。在考虑测力台结构受力变形的情况下，建立了测力台的静力学模型，得出了测力台各传感器受力与测力台所受发动机施加载荷之间的解算公式。为评估测力台的动态性能，建立了测力台的无阻尼自由振动的动力学模型，并采用有限元仿真的方式对建立的静动力学模型进行了验证，并评估了测力台所受交联力的情况。基于所建立的测力台静动力学模型，以测力台静态灵敏度最大、测力台频率响应的幅值相对误最小为优化目标，以测力台测力杆直径及动架截面尺寸为设计变量建立了多目标优化模型，采用粒子群算法（PSO）对测力台测力结构进行了参数优化。测力台结构优化后，静态灵敏度降低了5.2%，对于频率为30Hz的交变推力，在xy平面测力的动态响应幅值相对误差降低了53.9%， x，y轴转矩的动态响应幅值相对误差降低了97.6%，z轴转矩的动态响应幅值相对误差降低了95.1%。

关键词： 多通道融合   故障诊断   胶囊图神经网络   对称点模式  

摘要： 针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故障诊断方法。通过对称极坐标变换技术构建雪花图，并结合彩色多通道融合技术整合多传感器信号，生成彩色融合图像，以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块，并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理，通过构建胶囊提取图数据特征，有效捕捉数据中的层次结构和复杂空间关系，增强特征学习能力。实验结果表明，所提方法在常规故障类型的诊断上准确率达到98.12%，优于其他智能故障诊断算法。