【摘 要】
：
随着深度学习理论的不断发展,基于深度学习的动车组轴箱轴承故障诊断理论体系逐渐完善,但其工程化问题还需要深入研究。论文以动车组轴箱轴承为研究对象,研究了故障诊断算法,并以此为基础,研发了具备再更新能力的轴承状态监测系统,并获得了较好的故障诊断效果。主要工作如下:（1）借助凯斯西储轴承数据库的数据研究了基于深度学习的轴承故障诊断建模问题,最终训练的模型达到了99.54%的准确率,验证了深度学习算法可以
论文部分内容阅读
随着深度学习理论的不断发展,基于深度学习的动车组轴箱轴承故障诊断理论体系逐渐完善,但其工程化问题还需要深入研究。论文以动车组轴箱轴承为研究对象,研究了故障诊断算法,并以此为基础,研发了具备再更新能力的轴承状态监测系统,并获得了较好的故障诊断效果。主要工作如下:（1）借助凯斯西储轴承数据库的数据研究了基于深度学习的轴承故障诊断建模问题,最终训练的模型达到了99.54%的准确率,验证了深度学习算法可以有效应用于轴承故障诊断;（2）针对监测系统实时推断需要对时域数据具有平移不变性的特点,引入小偏移切片-数据重采样技术增强数据集,进而使获得的模型具有输入时移不变性;（3）结合动车组轴箱轴承状态监测系统的实际情况和深度学习特性,确定了系统需求,基于此设计了基于深度学习监测系统的总体架构并搭建了车载硬件系统;（4）开发实现了以模型推断为目的的车载系统和以模型再更新为目的的传输模块及地面系统,最后在CRH2模拟试验台上验证了系统功能。图64幅,表19个,参考文献60篇,代码18724行。
其他文献
随着计算机网络的发展,各领域信息化的趋势也在不断加强,在进行文字写作时我们可以更加轻易地检索到用于参考的信息。但同时,防止文书写作时的抄袭现象也是十分必要的。目前,高等学校对于学术不端的重视程度日益提高,对论文、作业的查重需求也与日俱增,然而目前已有的查重系统大都只能提供基于文献数据库的查重,对于学校的内部数据查重尚没有非常成熟的解决方案。校内查重系统的开发可以补齐学校内部数据查重的短板,让更多人
"四边形的内角和"是人教版四年级下册第五单元的教学内容,在此之前学生已经认识了常见的四边形、探究了三角形的内角和,具备了一定的空间观念和逻辑推理能力。本节课旨在迁移运用三角形的内角和的探究经验,实践探索四边形的内角和的规律,进一步延伸探究多边形的内角和的规律。教学中要引领学生经历观察、思考、推理、归纳的过程,深刻体会转化思想的应用,进一步发展空间观念,培养探究能力和逻辑推理能力,促进深度学习
随着计算机技术、控制技术和通信技术的快速发展,网络控制系统（Networked Control System,NCS）逐渐成为控制领域的研究热点。NCS具有系统布线成本低,系统可扩展性较强,信息共享方便,以及拥有便于远程控制、维护及诊断等优点。但通信网络的引入为NCS带来便利的同时,也将自身的问题带入到网络控制系统中,如丢包、时延、数据包乱序等不利的网络诱导因素,同时也将面临着网络攻击对于网络控制
压缩感知（Compressed Sensing,CS）能在获取到的图像信号样本数稀少的情况下生成高质量图像,对于解决由于数据量少而又需要成像质量的问题大有助益。目前,基于深度学习的压缩感知重建算法采用分块压缩感知思想降低网络复杂度,但由于重建图像存在块状效应而导致重建质量下降。此外,在需要多个不同采样率重建图像的情况下,现有深度学习方法应用于图像压缩感知还需单独训练不同的模型,过多的模型将消耗更多
在图论的实际应用中,随着复杂性系统的增加,经常会遇到不确定因素,如不精确的专家数据模型。继概率论与测度论后,Liu在2007年创立了不确定理论[1],在2010年将不确定论应用到网络中,2010年,Han和Peng[2]研究了不确定网络上的最大流问题,2011年,Peng和Li[3]在最小生成树问题上建立了不确定模型,2012年,Zhang和Peng[4]在不确定网络上研究了邮递员问题。随着不确定
航空发动机高压涡轮盘腔系统的篦齿封严结构有调节各腔室冷却空气流量、防止燃气进入盘腔而对涡轮盘结构寿命造成影响等多个作用。篦齿封严结构在发动机工作过程中,会由于热应力和结构应力的共同作用而发生较大变形,其封严间隙也会随之改变,封严间隙发生改变时又会反过来对盘腔内部的流场以及温度场造成影响。本文以某航空发动机的高压涡轮盘腔系统的简化模型为例,采用以ANSYS Workbench为平台的单、双向热流固耦