为有效提取振动信号中隐含的故障特征,以准确判别机械故障类型,提出一种基于卷积残差权值共享长短时记忆神经网络(Conv-Res-SWLSTM)的故障诊断模型。利用卷积网络来捕获振动信号的局部空间特征;通过融合门结构构建共享权值长短时记忆神经网络(SWLSTM),减少网络需要优化的参数及训练时间,进而更高效地发掘上层网络输出信号中隐含的时间特征。同时,引入缩放指数线性单元函数以提升网络自归一化性能,并嵌入残差模块以增强网络对故障特征的感知及提取能力。最后,基于机械故障实测数据集开展对比实验,结果表明所提模型在4种转速下的平均诊断精度达到99.30%,相对于其他模型具有更优的诊断精度和稳定性。

对我国矿山目前普遍采用的瓦斯抽放管道阻隔爆装置的类型、工作原理以及各自的优缺点进行了分析。在此基础上提出了一种新型瓦斯抽放管道泄压阻隔爆装置方案。该装置由真空腔体、阻隔爆材料、温度及压力传感器、智能挡片和PLC控制柜组成，不但具备瓦斯抽放管道阻隔爆功能，而且还具有泄压、衰能的作用。文中介绍了该装置的组成与原理，对其主要部件的结构尺寸进行了综合考虑和设计，通过建立三维模型，对阻隔爆材料层进行了有限元分析，计算其受力后应力变化，通过分析仿真结果，可以得出本装置所选用的多孔阻隔爆材料是合理、可行的结论。