基于机器学习算法的高层建筑电气设备分类
杨光1陈健2付宝鑫2
摘要：高层建筑内电气设备易因电能质量暂态扰动而造成恶劣影响，需对电气设备进行扰动耐受特性测试来确定待保护的设备，而在繁多的电气设备中，如何快速高效选择待测试电气设备成为亟待解决的问题。为此，通过研究朴素贝叶斯算法在电气设备分类模型上的应用，考虑高层建筑电气设备类型，将电气设备根据5种与扰动耐受特性相关的特征划归为4种类别，基于先验信息和有标签的电气设备构建了面向高层建筑的电气设备分类模型。采用某高层建筑的多类电气设备作为数据集对分类模型进行训练与测试，并探讨了该分类模型的准确性和有效性。分类结果显示，所提出的基于朴素贝叶斯算法的高层建筑电气设备分类模型在该数据集上具有较好的分类效果，为高层建筑电气设备快速分类提供了新的研究方向和思路。

基于传递路径影响消除的滚动轴承故障特征增强
朱丹宸1朱群伟2潘洋洋3
摘要：受到复杂传递路径的影响，滚动轴承故障产生的周期性冲击成分常被强背景噪声所淹没，进而给故障特征的有效提取带来极大难度。对此，研究了一种基于传递路径影响消除的滚动轴承故障特征增强方法。首先，分析了激励信号、传递函数和响应信号之间的关系，提出一种基于趋势线的传递路径影响消除方法，提高了故障特征成分占比；其次，利用频谱编辑方法，在保证趋势线提取准确性的同时，抑制信号中谐波成分的干扰，进一步突出了信号中的故障特征；最终借助包络分析处理特征增强后的信号，在频域范围内实现滚动轴承故障特征的准确提取。借助仿真和实测信号对方法的有效性进行验证，结果表明，该方法能够消除复杂传递路径的影响，有效增强滚动轴承故障特征，验证了方法的可行性。

汽车底盘零部件疲劳耐久性能测试新方法的研究
吴奕东1,2,3李妮妮1,2曹伟1,2刘祎晗1,2
摘要：传统的汽车底盘零部件的疲劳耐久性能台架试验需要进行长时间的反复循环加载，不仅对设备要求和人力的依赖度都非常高，而且效率低下。提出一种汽车底盘零部件疲劳耐久性能测试新方法。该方法主要技术特点是在疲劳耐久台架试验的结果分析中引入数字图像相关法和卷积神经网络算法。通过数字图像相关法获取测试样件的等效特征应变云图，并以此作为卷积神经网络的图像输入数据。随后基于ResNet-152卷积神经网络模型对试件的疲劳耐久状态进行识别，经过两个阶段的训练和测试后，该疲劳失效识别模型的预测准确率达到91%以上，并形成零部件的疲劳失效智能识别模型，从而实现判断汽车零部件是否产生疲劳失效裂纹的功能。该测试新方法可以实现汽车底盘零部件疲劳耐久性能的在线监测功能，极大地提升了检测效率，为汽车结构件的疲劳可靠性预测方法提供了新的思路。


机电工程技术 . 2024 ,53 (07)