搜索结果: 1-15 共查到“机械工程 诊断”相关记录85条 . 查询时间(0.247 秒)
2024年3月29日，中国科学院微生物研究所杜文斌研究团队在Advanced Science发表论文，题为“All-In-One OsciDrop Digital PCR System for Automated and Highly Multiplexed Molecular Diagnostics”。团队通过原创振动微滴技术（OsciDrop）的创新应用，在推动数字PCR装备实现低成本、全自动...
中国科学院沈阳自动化研究所工业机器人故障诊断研究取得进展（图）
工业机器人 故障诊断 对抗网络
2022/9/6
近日，中国科学院沈阳自动化研究所在工业机器人故障诊断领域取得研究进展。科研团队提出了基于生成对抗网络的工业机器人变工况故障诊断方法，有效提升了传统数据驱动工业机器人故障诊断算法的泛化能力。相关研究成果发表在仪器和测量领域IEEE Transactions on Instrumentation and Measurement。
中国科学院沈阳自动化研究所有杆泵抽油机故障诊断研究获进展（图）
有杆泵 抽油机 故障诊断
2022/9/20
近日，中国科学院沈阳自动化研究所在有杆泵抽油机故障诊断方面研究取得新进展。科研团队提出了基于自校验的有杆泵抽油机运动周期估计、基于物理模型和数据融合驱动的加速度信号重建、基于边缘智能的有杆泵抽油机工况识别等一系列创新性方法，相关研究成果发表在IEEE Internet of Things Journal上。
中国人民解放军陆军工程大学2020年全国博士研究生统一入学考试初试3202机械监测与诊断试题。
中国人民解放军陆军工程大学2021年全国博士研究生统一入学考试初试3202机械监测与诊断试题。
中国人民解放军陆军工程大学2022年博士生研究生入学考试3202机械监测与诊断考试大纲。
福州大学机械学院承办全国设备监测诊断与维护学术会议
福州大学机械学院 设备监测 诊断与维护 学术会议
2020/8/26
2020年8月19～21日，由中国振动工程学会故障诊断专业委员会、中国机械工程学会设备与维修工程分会共同主办，福州大学机械工程及自动化学院承办的2020年全国设备监测诊断与维护学术会议在榕召开。中国振动工程学会故障诊断专业委员会理事长褚福磊教授担任大会主席，中国机械工程学会设备与维修工程分会名誉主任委员徐小力教授、主任委员林京教授担任大会副主席，福州大学机械工程及自动化学院钟舜聪教授担任组织委员会...
沈阳工业大学2019年博士研究生招生机械故障诊断学考试大纲。
日前，行业倍福IPC应用与高速烟机故障诊断技术培训班在中国烟草总公司职工进修学院圆满结束，近30名行业卷烟工业企业从事机电设备电气维修的技师、工程师参加了培训。
2017年7月23日，“2017年故障诊断领域全国青年学者论坛”在新疆大学召开。本次会议由中国振动工程学会故障诊断专业委员会主办，新疆大学机械工程学院承办，中国通用机械工业协会振噪检测与故障诊断委员会、中国设备管理协会设备诊断工程委会、中国振动工程学会动态信号分析专业委员会协办，无锡市厚德自动化仪表有限公司对本次论坛给予了大力支持。故障诊断专业委员会副秘书长、北京化工大学王华庆教授等来自全国16所...
为更好地利用振动信号对枪械自动机的裂纹故障进行诊断，提出基于振动信号多分形特征的故障诊断方法。该方法利用Wavelet Leader 来估计振动信号的多分形谱，通过6个特征量描述多分形谱的形态特征以实现多分形谱的降维，并使用基于Mahalanobis距离的分类器对不同的裂纹故障进行分类。应用该方法对某12.7 mm高射机枪自动机闭锁机构的裂纹故障进行了诊断，诊断正确率达到了82.5%，验证了将振动...
基于模糊诊断的电机轴承故障研究
机械故障 模糊理论 隶属度 诊断矩阵
2015/11/5
机械设备在长时间运行或操作不当的情况下，其自身的性能会发生一定的变化，这些变化会导致设备的损坏甚至引起生产事故。为了解决该问题，将模糊诊断理论方法引入到设备故障诊断中，利用升半梯形函数的方法，确定了模糊隶属函数和最大隶属度准则，建立了模糊故障和模糊原因的诊断矩阵，并得到了模糊故障和模糊原因的对应关系。发现了电机轴承故障发生的原因，为下一步的故障预警和诊断奠定了基础。
基于模糊粗糙集和支持向量机的化工过程故障诊断
模糊粗糙集 支持向量机 TEP过程 故障诊断
2015/5/19
为解决化工过程故障不易诊断的问题，提出一种基于模糊粗糙集特征提取和支持向量机的故障诊断方法。首先，利用模糊粗糙集对特征信息进行提取，构筑相应的故障特征集合；然后，将故障特征集合对应的样本输入到支持向量机分类器，实现对化工过程不同故障的识别。在TEP故障诊断中的应用表明了所提出方法的有效性。
为了从齿轮故障信号中提取出包含故障信号的特征频率，提出了基于EEMD自适应形态学解调方法。首先采用EEMD (集合经验模式分解) 进行降噪，将原始信号与不同的白噪声叠加组成目标信号，然后将目标信号分解为有限个IMF分量，选取主要信息求和重构，再用形态学滤波器提取故障信号的特征频率。针对形态学结构元素尺寸的选择问题，利用遗传算法来优化形态学结构元素，自适应寻求最优解。通过数字仿真试验和齿轮故障模拟实...