针对液压支架工况不良导致支架支护能力得不到有效发挥并容易诱发顶板灾害的问题,为实现支架工况的有效监测预警,分析了液压支架工况的主要影响因素,通过液压支架工作阻力数据挖掘获取了反映液压支架工况的多个关键指标信息,确定了支架工况综合评价及实时预警的6个主要指标,即:支架初撑力不合格比例、工作阻力高报比例、安全阀开启比例、支架不保压比例、不平衡比例、工作阻力不合格比例。根据模糊数学隶属度综合评价方法建立了支架工况多参量综合评价与预警模型,将支架工况按照良好、中等、较差、很差划分为4个等级,给出了液压支架工况等级隶属度区间和各预警指标参数对应的隶属度函数,并基于变权理论确定了各预警指标的变权重系数,突出了预警指标状态量变化对支架整体工况的影响,最终得出支架工况的综合评价与预警等级,并...

为解决轴承故障诊断中故障分类模型参数多且泛化性能弱、故障识别率低、识别速度慢的问题,设计一种基于深度学习模型ECA-ResNet、完全噪声辅助聚合经验模态分解与麻雀搜索算法优化的支持向量机(SSA-SVM)的故障诊断方法。通过ECA-ResNet对轴承信号进行建模以提取频域故障特征;将频域特征与CEEMDAN提取的能量熵以及传统信号的时域特征共同构成特征矩阵;通过SSA-SVM进行故障类型识别。结果表明:与传统故障特征提取方式相比,所提出的轴承故障诊断方法能得到