这篇文章主要讲了煤矿里的一个叫液压反铲平衡阀的设备有多么重要。如果它出问题,煤矿的工作就会受影响,所以我们要知道如何找出和修理问题。文章介绍了一个叫做"故障模式和机器学习"的新方法来找出设备的问题,并告诉我们如何修复和预防这些问题。文章还通过一些实验和数据分析来证明这个新方法的有效性,并提出了一些改进措施。最后,文章还列举了一些例子,解释了经过改进后的方法如何让煤矿的工作变得更好。

脉冲电磁阀因具有结构简单、成本低、动作快速等优点,被广泛应用于布袋除尘领域,故其元件的健康状态对系统运行安全具有重大的意义。针对脉冲电磁阀常见故障的诊断方法展开深入研究,利用接近开关检测主阀芯开启滞后时间和保持时间作为特征后,构建Bagging-DT(RF)分类器模型进行故障诊断,通过对多种模拟故障的实验结果和多种模型的对比,结果表明,构建的Bagging-DT模型的精确率、召回率、F1值均优于其他模型,且其准确率达到86%,实现了对脉冲电磁阀5种及以上故障更加准确的预测与判断,解决了实际工作中工作人员依靠主观经验,诊断效果可信度较低的问题。

针对多轴联动控制信号同步载入存在偏差导致控制效果较差的问题,设计一种基于机器学习的多轴联动控制系统。选择工控主机作为信息处理平台,设计控制系统硬件结构框架。通过设计DSP2812加密运动控制微处理器为用户提供多个接口。采用交流开环式伺服电机取代直流电机,控制系统负载。采用机器学习算法对数据进行主动学习,并从已知数据中分析出潜在的概率,通过认知回归方程进行同步载入,选择与设置多轴联动信号,通过机器学习算法得到认知回归系数,使多个型号的轴电机开始锁轴运动并同步记录运行速度,从而完成对电机的控制与监测。由实验结果可知,该系统控制效果最高可达99%,属于一种低成本、高性能的控制系统。

针对工况复杂多变而产生数据分布不一致,导致传统机器学习进行故障诊断分析时精度低的问题,提出了选择性集成迁移学习的故障诊断方法,基于相似度原理,将相似度高的源域数据迁移至目标域,增加了有效训练样本的数据量,然后结合集成SVM进行故障识别;并在此基础上,提出了一种基于类内类间数据样本分散度的特征选取方法。轴承故障诊断实验结果表明,选择性集成迁移学习可以有效解决工况多变导致设备故障诊断精度低的问题,而且特征优选后诊断精度会得到进一步提升。

随着风电、高铁、航空等重大装备向着高可靠性、长寿命、智能化的方向发展,对齿轮、轴承等基础零部件的寿命提出更高的要求,也迫切需要更为科学、高效的疲劳寿命预测方法。机械零部件的寿命预测方法可分为基于物理失效模型、基于数据驱动模型和基于融合模型3种。随着零部件寿命预测研究向高精度、高效率发展,基于物理模型的寿命预测方法由于其模型复杂、耗时、不具有普适性等缺陷难以满足现代需求。基于数据驱动技术由于其具有无需知道其具体失效机理、预测结果准确等优点,且伴随机器学习、深度学习等技术的迅速发展,使得其成为零部件疲劳寿命预测研究的热点。鉴于此,详细阐述了基于数据驱动的机械零部件疲劳寿命预测方法,并详细介绍了神经网络、支持向量机、随机森林、深度学习等数据驱动方法在零部件寿命预测中的应用,...

气动外形反设计方法存在难以给定合理目标压力分布,强烈依赖设计经验等问题,难以适应现代工程设计需求。针对反设计方法的不足,结合机器学习与全局优化方法,发展了一种高效鲁棒的气动外形反设计方法。该方法利用生成拓扑映射(generative topographic mapping,GTM)模型建立气动外形及其压力分布组合数据和低维隐空间变量的映射关系,并利用遗传算法在隐空间寻优,同时得到最优压力分布与对应气动外形。GTM能够建立高精度的映射关系,设计过程不需要流场解算参与迭代,极大提高了设计效率。所提方法充分利用了遗传算法与GTM方法的特点,不要求目标压力分布具有实际物理意义,减小了对设计经验的依赖程度。分别针对低速翼型、跨声速翼型、三维层流短舱开展了反设计研究,设计算例表明,该方法设计鲁棒性好,能够高效率收敛到目标压力分布,具有良好的工...

机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。

文章首先基于现有的几种协同过滤算法,以及当前算法存在的问题,提出了一种基于用户评分的最近邻协同过滤混合算法,并与经典算法:基于物品的协同过滤算法对比,同时与当下比较流行的几类推算法做了对比。利用最近邻思想解决了数据稀疏导致的准确率下降问题,利用用户评分属性使得推荐不仅更加准确,而且提升了推荐的质量。本文利用MoiveLen数据集进行训练测试,通过与已有经典高效算法的横向和纵向对比,融合在机器学习领域中排序算法,得出不同算法的利弊。通过机器学习实现智能推荐,利用智能信息处理、智能控制决策的控制方式实现智能推荐,在智能控制方面取得较好的效果。

作为石化机组的重要组成部分,轴承发生故障将导致机械运转故障进而影响企业经济效益,故而研究石化机组轴承故障预测、故障诊断具有重大意义。介绍故障诊断中早期基于信号处理的轴承故障诊断方法,阐述应用广泛的深度学习(包括卷积神经网络、迁移学习)等模型在石化机组轴承故障诊断中的应用,并展望基于人工智能的石化机组轴承故障诊断应用。

为实现铆接质量数字化检测和质量追溯,提出基于机器学习的铆接质量数字化检测方法。使用CCD摄像机对铆接部位进行图像采集,然后进行中值滤波、Canny边缘检测、图像形态学处理等,实现铆接部位裂纹检测和特征信息提取。利用改进的粒子群优化最小二乘支持向量机算法建立铆接质量检测模型,并使用检测样本对模型进行检验。对不合格的铆接进行质量追溯,应用专家系统判断产生缺陷的原因。在某型号飞机装配车间对原型系统进行应用验证。结果表明:所