关键词： 煤矿井下   搬运机器人   辅助运输   TRIZ理论   模态分析  

摘要： 为解决传统矿井辅助运输系统中工序不连续、转载过程较多、用工比例高等问题,运用TRIZ理论中的九屏幕法、功能模型法和因果轴法对现有煤矿井下辅助搬运机器人进行系统分析,得出其适应性不足的主要原因。运用TRIZ中“技术矛盾”和“物-场模型”等工具进行分析,创新设计出了一种可用于煤矿井下搬运液压支架的机器人,并对该机器人的关键部件车架进行了模态分析,验证了所设计搬运机器人结构的可靠性。该搬运机器人相较于原来的辅助搬运机器人具有地形适应能力强、稳定性好、装卸作业灵活等优点,对提升矿井生产体系的运输效率、减轻工人劳动强度等具有重要意义。

关键词： 数据结构   模糊边界   人类感知   艺术潜能   运动影像   动力系统   编解码器   混沌  

摘要： 数据狂舞影像是一类当代数字故障艺术实践,它以运动影像为创作媒材,利用数字视频压缩技术的特性,通过在序列-帧-宏块-像素的数据结构中植入算法“故障”来触发偶然性潜能,从而将混沌施加于再现的运动形式,展露数字运行过程超越人类感知阈限的感性强度。在与其他故障艺术和先锋影像的对比中,数据狂舞影像的故障属性与感觉逻辑得以浮现,作为既展示自身又内在于自身的视觉语言和视觉材料,数据狂舞式混沌代表了运动-感知的内在统一,这无疑表述着其“自-感触”本体。通过作为计算中心的编解码器生成强度的差异,数据狂舞影像能够从运动影像固有的时空动力系统中逃逸,从而呈现出一种在秩序与混沌中往复回归的“强度-形式”,由此确证了数据狂舞影像的数字本性,即始终在物/非物、技术/文化、潜在/现实多元协商的模糊边界释放自身潜能。

关键词： 故障诊断   生成对抗网络   冷水机组   一致损失函数   无标签数据  

摘要： 冷水机组是供暖通风与空气调节系统的重要组成部分,当冷水机组发生故障时将造成能源浪费甚至安全事故。因此,针对冷水机组的故障诊断对于暖通风与空气调节等系统至关重要。基于数据驱动的故障诊断方法依赖大量历史数据,但带标签的故障数据往往难以收集,导致模型的诊断准确率下降。为此,提出了一种基于一致损失生成对抗网络(CLGAN)的故障诊断方法。首先,利用少量带标签样本和大量无标签样本训练CLGAN,并生成故障数据;然后,利用生成数据与历史数据构建一个包含各类故障的平衡数据集;最后,利用该数据集训练故障分类器并对冷水机组进行实时诊断。CLGAN通过在判别器中引入一致性损失函数,能够有效利用无标签数据辅助模型训练,提升了数据利用率。同时,CLGAN迫使生成器在多个尺度上满足判别器的要求,这种多维度的反馈机制使得模型在面对扰动时,依然能生成高质量的样本,进而提高故障诊断的准确性和鲁棒性。基于ASHRAE和HY-31C数据集的实验结果表明,在各类别仅有5个带标签样本的情况下,CLGAN分别获得了92.8%和95.9%的故障诊断准确率,展现了良好的故障诊断性能。此外,在噪声和跨工况实验中,CLGAN相比于其他对比方法也展现出了良好的鲁棒性和泛化性。

关键词： 发电机   绝缘故障   自动化   在线监测   KNN算法   传感器  

摘要： 为保障电力系统正常运行,设计发电机绝缘故障位置自动化在线监测诊断系统。采集传感器采集发电机实时运行数据,通过CAN总线连接到遥测终端内的主控芯片;遥测终端利用主控芯片连接开关量输入、模拟输入、数据存储芯片等,并利用其内部逻辑处理模块对发电机实时运行数据进行处理、故障诊断以及预警后,将其发送到用户端的上位机内呈现给用户,实现发电机绝缘故障位置自动化在线监测诊断。实验结果表明,该系统具备较为稳定的运行能力,可准确对发电机故障位置进行在线监测诊断并预警。

关键词： 故障预测   灰色波形预测模型   灰色神经网络   GM(1,1)  

摘要： 装备故障预测存在小样本、波动性强的特性,针对传统灰色波形预测模型对波动序列进行拟合时误差较大问题,探索一种基于神经网络优化改进灰色波形预测模型的装备故障预测方法,该方法主要采用BP神经网络与灰色波形预测模型中GM(1,1)模型组进行并联,优化等高点出现时间预测精度,从而得出中短期时间内预测波形,最终计算得出未来某一时间点的装备故障率,装备故障预测实例表明,改进后的波形预测模型较传统波形预测模型有更高的精度。

关键词： 承载网   核心网   故障管理   人工处理   领域专家   多智能体   人力成本   运营和维护  

摘要： 随着消费流通、生活服务、文娱传媒、医疗教育等领域的信息基础服务不断丰富,广东移动的用户规模也日益庞大。然而,业务的快速发展也让网络运营和维护的复杂度急剧增加,传统的单域故障管理能力已经成为制约网络运维的瓶颈:网络告警量大,单域独立故障管理易导致派单冗余;业务故障定位依赖多领域专家开会讨论,需要消耗大量专家资源,且各类协调性工作繁重,处理一个报障工单需要多个业务部门(如无线、核心网、承载网等部门)介入,导致故障处理无法快速形成闭环;人工处理的难度不断增加,运维的人力成本居高不下。

关键词： 风电   齿轮箱   卷积神经网络   故障诊断  

摘要： 齿轮箱是双馈风机的重要组成部分,对整台风力机设备的长期安全运行极为重要。提出了一种以行星齿轮箱振动数据为输入参数的多层卷积神经网络方法,预测准确率最高可达0.9980,优于以振动数据的时频特征值为输入参数的BP神经网络。证明了卷积神经网络用于齿轮箱故障诊断的可行性。

关键词： 电网监控   电力系统   关键领域   电力供应   故障诊断   潜在的问题   稳定性和可靠性   运行状况  

摘要： 在现代社会中,电力是不可或缺的资源,支撑着各种生活和工业活动。为了确保电力供应的稳定性和可靠性,电网监控变得至关重要。电网监控系统不仅可以监测电力系统的运行状况,还可以进行故障诊断和预测,以提前防范潜在的问题。让我们一起了解电网监控中的故障诊断与预测方式,以揭示这一关键领域的重要性和技术应用。

关键词： GSM-R   进路预告   接口监测数据   故障动态监测   故障自动分析  

摘要： 针对当前GSM-R进路预告业务故障分析覆盖面窄、工作效能低的现状,研究进路预告业务工作原理、GSM-R接口监测数据,分析铁路局相关设备运维工作要求。利用决策树算法、大数据分析和云计算技术,设计开发GSM-R进路预告故障自动分析系统,实现进路预告故障动态监测、原因自动分析、故障闭环管理和业务指标统计等功能。该系统在测试期间,未发生数据丢失和软硬件故障,进路预告故障动态监测和业务指标统计准确率达到100%,故障原因自动分析正确率大于95%,为GSM-R进路预告业务运用质量提升和同类系统开发、升级提供参考。

关键词： 机电设备   故障检测   信号处理   频域分析   时频分析   智能化  

摘要： 机电设备广泛应用于工业生产,其运行中的可靠性直接关系到生产效率与安全性。故障检测作为保障设备正常运行的核心环节,越来越依赖信号处理技术来识别和分析故障特征。当前,信号处理方法已涵盖时域分析、频域分析及时频联合分析等多种技术,并逐步向智能化和实时化方向发展。然而,现有方法在复杂工况、多噪声环境下的鲁棒性和准确性仍需进一步优化。本研究围绕机电设备故障检测中的信号处理技术,系统分析其核心方法、工程应用及未来优化方向,为机电设备可靠性保障提供技术参考。