近年来随着传感器的技术进步,使得滚动轴承的故障数据获取成几何倍数增长。然而,传统的深度学习方法在处理海量数据时,常常会出现效率低、计算量与占用内存过大的问题。为解决这些问题,文中提出了一个双层宽核卷积神经网络(Two Wide Kernel Convolutional Neural Network,TWCNN)模型用于滚动轴承故障诊断。该模型以一维振动信号作为输入(1D-TWCNN),通过在前两个卷积层中采用宽卷积核提取特征,实现了以较少的参数来获取更大的感受野,因此大幅地减少了网络模型的连接参数,使得模型的计算量大幅减少,效率提升。与传统的优秀轻量化模型MobileNetV3(Small)的变体和ShuffleNetV2相比,文中所提出的1D-TWCNN模型不仅总参数量远小于这两个模型。而且在滚动轴承的故障诊断中的诊断精度更高。

使用氧化锆分析仪测量气体中氧浓度时发现,压力和速度可能对测量值有影响。本文组建实验系统并进行实验研究,用氧气和空气混合制成高氧气浓度气体,用氧气和二氧化碳混合制成低氧气浓度气体,分别研究了压力和速度对不同氧气浓度下氧化锆分析仪测量值的影响。结果表明,氧化锆分析仪在直接插入式安装时,存在最大使用压力;在最大使用压力以下测量时,气体压力对测量值无影响。压力超过最大使用压力时,高氧气浓度下,随着压力升高,测量值减小;低氧气浓度下,随着压力升高,测量值增加。气流速度对分析仪的测量值无影响。

研制了一种用于光学器件光谱透过率反射率实时测量的自动化光谱检测系统,整个系统实现了对光学器件进行透过率、反射率的在线测量,同时还可对光源进行光功率、色度等的自动检测工作.围绕该检测系统的研究背景、硬件组成、软件实现和应用前景展开了全面讨论.该系统的单次测量周期小于0.3s,可测量的光谱范围为200nm～1100nm,测量精度可达0.5%,采样间隔实时可调.