基于深度迁移学习的齿轮故障诊断方法
针对齿轮故障样本欠缺问题,提出一种基于Hilbert-Huang谱和预训练VGG16模型的迁移学习故障诊断方法。对振动信号进行经验模态分解(Empirical Mode Decomposition,EMD)得到本征模态函数(Intrinsic Mode Function,IMF),同时取相关系数最大的IMF做Hilbert变换,获取时频谱;利用预训练VGG16提取变负载下和各健康状态下齿轮的Hilbert-Huang谱图像特征;采用全局均值池化层取代VGG16模型部分全连接层,进行分类输出。实验结果表明,在少量的样本数据下,该方法的齿轮故障诊断准确率达到98.86%,优于TLCNN和Tran VGG-19等迁移学习方法,证明了该方法在齿轮故障诊断中具有一定研究价值。
基于环保的双滚动式黑板绿色设计研究
针对普通黑板在擦除时扬尘现象严重、效率低、影响教学质量等缺点,设计了一种基于环保的双滚动式黑板。在阐述双滚动式黑板工作原理的基础上,分别对黑板传动机构、喷水系统、烘干系统、PLC控制系统进行了详细设计。黑板面选取具有弹性的柔性材料,喷水系统的设计实现了对于黑板的自动水洗功能,采用时间继电器连接喷水系统与烘干系统,并对黑板的工作过程采用PLC协调控制。设计的新型双滚动式黑板不仅具有良好的绿色环保效应,而且符合产品功能人性化的工业设计要求,具有广阔的教学应用前景。