关键词： 故障诊断   时空特征   多轮次图重构   图卷积网络  

摘要： 近年来,图神经网络被广泛应用于处理具有非欧结构的工业过程数据.然而由于设备运行的过程数据常常受到噪声和冗余信息的干扰,如果直接使用原始信号会导致构建的图模型不够精细和准确,从而影响后续的模型诊断性能.针对这一问题,本文提出了一种时–空特征驱动的多轮次重构图卷积网络(STMR-GCN)故障诊断方法.该方法首先利用多尺度卷积神经网络与GCN对故障信号进行特征提取.然后根据样本之间的余弦相似性对图结构进行多次重构,重构后的图模型能够更精确地反映样本之间的连边关系,并将得到的图模型输入到GCN进行故障种类的识别.最后,在东南大学(SEU)仿真数据集和真实的磨煤机数据集上进行实验,实验结果表明所提方法与其他对比方法相比诊断精度均有提高,从而证明STMR-GCN模型在故障诊断方面的有效性和实用性.

关键词： 轮轨故障   轴箱振动加速度   形态学滤波   集合经验模态分解   希尔伯特-黄变换  

摘要： 针对现有轮轨故障诊断装置结构复杂、成本高且实时性差等问题,提出了一种基于轴箱振动加速度响应的轮轨故障诊断方法。首先通过形态学滤波器对轴箱振动信号进行降噪处理,然后运用集合经验模态分解(EEMD)将处理后的信号分解得到若干阶固有模态函数(IMF),再依据能量熵增量的相对大小剔除IMF分量中的虚假分量,对剩余的有效分量进行希尔伯特-黄变换(HHT)得到Hilbert谱。研究结果表明,车辆运行在正常工况与不同类型轮轨故障工况下,轴箱振动加速度的Hilbert谱有显著的差异,因此依据Hilbert谱的特征可有效诊断轮轨故障。

关键词： 秃鹰优化算法   故障识别   水轮发电机组   变分模态分解   定子单相接地故障  

摘要： 定子单相接地故障是水轮发电机组面临的主要故障类型之一,若是无法对其进行及时识别与处理,可能会演变为更严重的故障,例如定子相间、匝间短路等,威胁水轮发电机组的运行安全,故提出基于BES改进变分模态分解(Variational Modal Decomposition,VMD)的水轮发电机组定子单相接地故障识别方法研究。应用BES(秃鹰优化算法)对VMD进行改进,旨在优化VMD的关键参数,应用改进VMD分解定子单相接地故障信号,计算分解信号能量特征、频率特征与时频特征,获取故障信号特征,计算其与水轮发电机组定子绕组输出电压信号特征的相关系数,从而实现定子单相接地故障的有效识别。测试结果显示:提出方法提取的定子单相接地故障信号能量特征、频率特征与时频特征与实际特征结果一致,定子单相接地故障判定结果与设置的水轮发电机组运行工况相同。

关键词： 沥青混凝土心墙堆石坝   有限元   覆盖层   防渗体系  

摘要： 沥青混凝土心墙—混凝土廊道—防渗墙构建的连续垂直防渗体系是保障深厚覆盖层上沥青混凝土心墙坝安全的核心结构。防渗墙与廊道在施工与运行期承受着巨大的上覆填筑荷载以及水压力，可能引起防渗体系结构破坏与坝体渗漏。拟建的ZB大坝为具有代表性的深厚覆盖层上沥青混凝土心墙堆石坝，该坝最大坝高达144 m,心墙高度133 m,覆盖层最大厚55.15 m,国内外可借鉴的设计经验较少。以ZB沥青混凝土心墙堆石坝工程为例研究了4种不同防渗体系连接型式的力学性态。结果表明：施工期可在混凝土防渗墙和混凝土基座间预留空间，待大坝填筑完成后完成浇筑，可明显改善防渗墙应力状态，可作为沥青混凝土心墙坝防渗体系连接的推荐型式。图8幅，表5个。

关键词： 车架   有限元   模态   裂纹  

摘要： 车架结构的疲劳失效主要以微裂纹的形式出现，为了明确裂纹结构、位置参数对车架模态固有频率的影响规律，建立了含呼吸裂纹的玉米收获机车架有限元模型，研究了车架产生不同位置、不同深度裂纹时的固有频率和振型。结果发现裂纹故障会降低车架固有频率，裂纹深度越深，降低效果越明显；不同位置的裂纹对固有频率的影响不同，处在模态振型节点处的裂纹对固有频率影响较小；裂纹的存在对不同方向的振型影响效果不同，平行于裂纹面的振型受裂纹影响较小。研究结果以期为裂纹的识别和定位提供参考。

关键词： 锚杆钻机   自动钻孔   集成控制阀组   保压回路   卸压回路   故障分析  

摘要： 介绍了锚杆钻机2级进给结构、姿态调整和钻孔功能。钻机自动钻孔过程中自动旋转、自动进给上升、自动进给下降的故障难以排查，从液压集成控制阀组原理和控制回路分解角度对故障进行分析，找出故障原因，提出改进措施，对钻机集成控制系统的设计和使用、维护有一定的参考意义。

关键词： 大数据运维   自动化监控   故障排除   监控系统   技术发展  

摘要： 随着大数据技术的快速发展，大数据运维中的监控与故障排除面临着越来越多的挑战。该文旨在探讨如何利用自动化监控与故障排除技术应对这些挑战，首先介绍了当前大数据运维中监控与故障排除所面临的挑战。其次概述了监控系统及自动化监控技术的基本原理。然后，详细阐述了自动化故障排除方法，包括故障检测与诊断技术以及自动化故障处理策略。最后，展望了自动化监控与故障排除技术的未来发展趋势，并提出了面临的挑战与解决方案。该文通过系统的方法，阐述了大数据运维中自动化监控与故障排除的重要性，论证了其在提高运维效率和降低成本方面的价值，得出了对未来发展的展望与建议。

关键词： 柱塞泵   信号处理   开普勒优化算法   深度学习  

摘要： 在高速高压工况下，柱塞泵的气穴现象不可避免。针对传统气穴现象故障检测方法中存在效果差和迟滞性的缺点，提出一种结合实验研究和信号处理的新型气穴检测系统，并采用KOA-CNN-BiLSTM-Attention深度学习算法对采集的信号进行训练，实现对轴向柱塞泵气穴强度的检测。通过CNN提取数据中的高维空间特征，利用开普勒优化算法(KOA)与CNN相互配合来增强关键特征的表现能力，再通过BiLSTM提高信号的时序性，最后利用注意力机制进行优化。结果表明：该方法对轴向柱塞泵气穴故障状态识别精度达到98%,其效果明显优于其他方法，可以更加准确地识别轴向柱塞泵气穴故障状态。

关键词： 故障诊断   扩散模型   数据稀缺   数据增强   生成模型  

摘要： 为了解决数据稀缺情况下深度学习模型出现的影响诊断结果的过拟合等问题，提出一种基于扩散模型的故障诊断数据增强方法。首先，提出一种特征压缩方法，将一维振动信号转换为特征图像；然后，采用特征图像训练扩散模型，生成不同故障类型的样本；最后，利用生成的样本对稀缺的数据进行数据增强。实验表明，相较于传统的生成模型方法，扩散模型方法能够更稳定地生成高质量且多样性的故障样本，具有更好的数据增强效果。

关键词： 电机轴承故障诊断   深度学习   K折交叉验证   短时傅里叶变换   迁移学习  

摘要： 针对电机轴承故障诊断过程中现有的特征提取与高效分类问题，提出并验证了一种融合短时傅里叶变换（STFT）、深度残差网络（ResNet18）与K折交叉验证的电机轴承故障诊断方法。该方法首先采用STFT将电机轴承的一维振动信号转换为二维时频图；然后，对转换后的时频图使用ResNet18进行迁移学习训练，通过五折交叉验证策略评估其在电机轴承故障诊断中的表现，在十分类故障诊断训练中取得98.96%的平均准确率；最后，在相同条件下将ResNet18替换为经典的深度学习模型AlexNet重新训练，其在训练集上的平均准确率为97.05%，相较于ResNet18,AlexNet在处理经STFT转换的时频图像时，学习能力明显不足。综合分析，基于STFT、ResNet18和五折交叉验证融合的电机轴承故障诊断方法具有较高诊断精度与鲁棒性。