关键词： 有限元法  

ISBN: (纸本)9787547868171

摘要： 本书分为两部分。第一部分介绍有限元法相关的基本工程原理，以有限元模型的开发顺序编排，涉及构建模型的基本组件、应力和应变的概念、边界条件与加载条件、静态解及动态解等内容。第二部分为有限元模型建模及其在生物力学方面的应用，如人体模型参数化、肌肉建模、人体各解剖部位的建模等，众多示例融合了编者多年来在损伤生物力学研究和教学实践中的独到见解和丰富经验。

关键词： 深度学习   故障诊断   可分离卷积   柴油机  

摘要： 开展高效智能准确的柴油机故障诊断方法研究和系统研制对保证生产安全和能效提升具有重要意义。本文旨在设计并实现一种基于深度学习的柴油机故障诊断系统，以应对柴油机运行状态实时监控与高效维护的迫切需求。针对柴油机振动信号的非线性、非平稳特性，设计了一种基于改进卷积神经网络(CNN)的混合深度学习模型。该模型通过可分离卷积提取振动信号中的局部特征和空间层次信息，并减小模型参数降低过拟合风险的同时也方便部署，再使用全局平均池化层实现对故障特征的有效分类。之后，采用LabVIEW和python进行“端到端”的实时故障诊断系统开发，其功能包括数据采集、状态监测、故障诊断和数据存储等。经验证，该系统能够实现高精度的柴油机故障实时监测及诊断。

关键词： 喷涂机器人   旋转雾化器   故障预测   维护  

摘要： 喷涂机器人旋转雾化器在高强度和复杂环境中的长期运行容易导致部件磨损、涂料堆积、管路堵塞及电气性能退化等问题，影响喷涂系统的可靠性和稳定性。文章采用多层次的技术优化方法，针对旋杯、喷嘴和管路等进行硬件结构改进；在设备中集成振动、温度和压力等传感器，构建实时监测系统，实现设备运行状态的精准感知。研究结果表明，优化后的旋转雾化器故障率显著降低，维护效率和设备寿命显著提升。

关键词： Stokes方程   阻尼项   迭代法   稳定性   误差估计  

摘要： 针对带非线性阻尼项定常不可压缩Stokes问题，提出两种基于有限元离散的数值迭代算法，其基本思想是：首先使用有限元法求解Stokes问题，得到迭代初始解；其次，运用Stokes迭代算法或Oseen迭代算法求解带非线性阻尼项定常不可压缩Stokes问题，得到有限元近似解。证明算法的收敛性和稳定性，并给出了相应的误差估计；通过4个数值实验，验证了理论分析的正确性和算法的有效性。研究结果表明：当方程满足稳定性条件时，两种数值迭代算法都是可行的。

关键词： 分布式故障诊断   联邦学习   双向长短期记忆网络   数据孤岛  

摘要： 由于高、中压电缆存在数据不平衡问题，难以满足深度网络训练要求，因此，提出基于不平衡样本的中压电缆分布式故障诊断方法。该方法采用双向长短期记忆网络为本地模型训练方式，在中央服务器聚合中利用联邦学习对模型聚合并更新。由多个用户分布学习，缓解模型训练压力，提高训练效率。同时引入数据共享策略，将云端数据下发给本地模型，降低数据的不平衡性。结果证明，所提方法实现了用户在独立且不平衡数据下的协同训练。

关键词： 新能源汽车   电池管理系统   故障诊断   维修策略   性能优化  

摘要： 电池管理系统（BMS）的故障诊断与维修策略是影响车辆安全性与性能的关键因素。电池管理系统承担着电池状态监测、能量管理以及安全保护等重要职责，若无法及时诊断并修复故障，将导致电池寿命缩短、能效降低甚至存在安全隐患。针对这一问题，本文探讨了基于模型、数据驱动以及信号处理等技术的多种故障诊断手段，并分析了各自的优势与适用场景。同时，提出了故障预警、早期介入、精准定位与故障修复等一系列维修策略，以确保新能源汽车电池管理系统的稳定运行与安全性能提升。

关键词： 磁浮列车   无线电能传输   多目标优化   磁耦合机构   谐振补偿拓扑   有限元  

摘要： 当磁浮列车靠近站台时，直线发电机产生的电能虽然能继续牵引列车前进，但不足以同时满足车载设备的用电需求。传统的接触式供电方式存在安装维护成本高、带电导体暴露等问题。无线供电技术能够消除传统供电方式的线缆连接，使磁浮列车摆脱机械接触，提高列车辅助供电系统的安全性、经济性和环境适应能力。文章针对磁浮列车无线辅助供电系统功率大、效率高等应用需求特点，开展磁耦合机构和谐振补偿电路优化设计。建立了单发多收磁耦合机构有限元模型，对比分析了3种无线供电系统谐振补偿拓扑（S-S,LCC-S,LCC-LCC）的工作特性，并基于Pareto最优解概念提出全局多目标优化设计策略。通过搭建8.5 kW无线辅助供电系统样机进行了验证，试验结果表明，所提优化方案能满足磁浮列车无线供电的设计需求，能量传输效率达到91.9%。

关键词： 灯泡贯流式水轮发电机   定子接地故障   原因分析   处理  

摘要： 针对灯泡贯流式水轮发电机发生定子接地故障导致机组停机的现象，以大源渡水电站为例详细分析了故障发生的原因并提出了故障处理措施。经过发电机定子改造工程的实践验证，故障处理措施切实可行，能有效解决发电机定子接地故障，从而提高电站机组的整体运行性能和经济效益。图5幅，表1个。

关键词： 电潜泵   Transformer神经网络   深度学习   特征提取   故障诊断   多变量时序标记  

摘要： 电潜泵故障诊断对于确保安全可靠采油至关重要,但是,电潜泵数据呈现出的多变量、非线性和动态变化等复杂特性为该任务带来了严峻挑战.近年来,深度学习在复杂数据特征提取方面表现出的强大能力催生了一系列基于神经网络的电潜泵故障诊断方法.然而,多数方法忽略了电潜泵数据的动态特性以及长时依赖特征提取困难的问题.针对上述问题,提出一种多变量时序标记Transformer神经网络来实现电潜泵故障诊断.该模型设计新的多变量时间序列标记策略,继承引入多头注意力机制和残差连接的传统Transformer神经网络编码器在长时依赖特征提取方面的优势,用前向神经网络替代传统Transformer神经网络解码器来简化模型复杂度.通过对油田现场故障数据分析,验证所提出方法的有效性.实验结果表明,所提出方法实现了10类电潜泵故障的精确诊断,相比于流行的深度学习方法诊断性能更优.

关键词： 滚动轴承   故障诊断   迁移学习   多层域适应   伪标签策略  

摘要： 在工业生产中，由于源域数据和目标域数据分布有差异且有标签的故障数据量较少，以至于现有的域适应轴承故障诊断方法大多精度不高。基于此，提出多层域适应神经网络(MDANN)故障诊断方法，用于无标签数据的滚动轴承故障诊断。使用小波包分解与重构(WPT)对原始振动信号进行处理，以降低信号冗余并避免关键信号特征遗失；利用多核最大均值差异(MKMMD)算法对输入特征值进行差异计算，并通过反向传播更新多层域适应神经网络的参数，使其能够提取域不变特征；为保证无标签目标域数据可以正常参与网络训练，使用最大概率标签作为真实标签的伪标签策略，解决目标域无标签数据无法训练问题，增强模型可靠诊断知识的获取。采用2个公开数据集CWRU和PU进行验证。实验结果表明：所提方法与常见的域适应方法对比具有更高的诊断精度，说明该方法能够有效地学习可迁移特征，拟合2个数据集之间的数据分布差异。