针对滚动轴承故障严重程度与复合故障难以准确识别的问题,提出了一个基于提升双树复小波包(Lifting Dual-TreeComplex Wavelet Packet,LDTCWP)和深度小波自编码器(Deep WaveletAuto-Encoder,DWAE)的轴承故障诊断方法。首先,使用迁移学习扩展目标数据量;其次,对轴承振动数据进行3层提升双数复小波包分解,分别计算各子频带信号的样本熵、排列熵和能量矩,作为初始特征向量;最后,将初始特征向量输入DWAE,进行二次特征提取并实现故障诊断。实验结果表明,该方法能有效地对滚动轴承进行多种故障类型和多种故障程度的识别,与传统机器学习方法相比,在目标数据较少的情况下也具有较强的泛化能力、特征提取能力和识别能力。

以常用的家用空气能热水器作为研究对象,根据测得的不同环境温度下的COP值,对比分析后改进现有的算法,计算出不同加热工况下南方典型城市机组的全年综合性能系数APF。分析发现,在节能工况下算得的全年综合性能系数均大于一般工况下算得的性能系数,且冬季节能量大于夏季。在与电热水器进行总投资现值分析时发现,当采用节能工况,用户端每日45℃热水用量为180 L的情况下,夏热冬冷和夏热冬暖地区采用空气能热水器在其寿命期限内都是经济的,且日热水用量越大,相对于电热水器节省的费用越多;而当用户端每日45℃热水用量小于90 L时,所有地区采用空气能热水器在其寿命期内均不经济。