基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

学会组织在党建工作融合中的创新实践 以四川省通信学会为例

<正>科技社团作为社会组织的重要组成部分，立足科技服务专业领域，汇聚专业人才资源，要充分发挥党建引领作用。本文以四川省通信学会为例，探索省级学会有机融合党建与业务工作、深入推进“党建强会”计划过程中，通过不断优化党建工作思路，积极创新工作新模式，推动党建和学会事业发展的有关举措和有效途径。     

变负载工况下滚动轴承故障分类识别方法研究

针对变负载工况下单尺度CNN提取滚动轴承健康状态特征不充分的问题，提出了一种DSCNN-BiLSTM诊断模型。该模型基于粗粒度化和平均池化层的理论基础，通过双尺度卷积神经网络结合双向长短时记忆网络，对滚动轴承振动信号进行空间维度特征和时间序列特征的提取，实现端对端的滚动轴承故障诊断。通过设置2种不同变负载工况实验，采用DSCNN-BiLSTM模型进行滚动轴承故障特征提取，平均准确率分别达到了97.55%和98.07%,有效提高了在变负载工况下的滚动轴承故障诊断准确率，为滚动轴承健康状态识别提供了关键技术。