首页期刊导航|机床与液压
期刊信息/Journal information
机床与液压
机床与液压

闵新和

半月刊

1001-3881

jcy@gmeri.com;jybjb@163.net

020-32385312

510700

广州市黄埔区茅岗路828号

机床与液压/Journal Machine Tool & Hydraulics北大核心CSTPCD
查看更多>>本杂志是国内外公开发行，中文核心科技期刊，中国期刊光盘版源刊，《中国学术期刊文摘》源刊，我国科技论文统计分析用刊。主要介绍液压、气动和控制技术，及其在工厂生产制造、机电工程设计、工程机械中的应用情况；同时也介绍设备使用维修和技术改造、开发方面的最新科研生产成果。此外，本刊还经常报道机电行业技术有关领域的专题综述，技术讲座，国内外发展动态及最新信息。内容坚持理论与实际、普及与提高、国内与国外相结合的原则，具有新颖性、先进性和实用性。是科研院所和企事业单位宣传企业形象的理想窗口，读者是遍布全国的科研、工程技术人员，工厂的技术人员，设备管理、维修人员，企业管理干部，经营促销人员，大专院校师生等。
正式出版
收录年代

    基于MSIF-ECACNN的液压系统故障诊断

    李仲兴陈丽丽
    199-206页
    查看更多>>摘要：针对液压信号复杂且难以准确识别的特点，提出一种基于多传感器信息融合的有效通道注意力卷积神经网络模型，分别对液压系统中的液压泵和蓄能器进行故障诊断。该模型采用并行网络结构，针对流量和压力传感器在数量、采样频率上的差异，以及流量和压力信号故障时表现出的不同特点，将多个压力和流量传感器信号分别输入卷积核大小不同的一维多通道卷积神经网络，并利用有效通道注意力调整特征通道权重，在全连接层进行特征融合，最终经Softmax层实现分类。结果表明:有效通道注意力能有效提高故障识别准确率，该方法与目前该领域先进的研究方法相比有更好的故障诊断性能;蓄能器故障诊断精度可达99。52％，液压泵故障诊断精度可达99。88％。同时，该方法解决了因非同源传感器数量和采样频率差异而带来的故障难以准确识别的问题。

    多传感器信息融合卷积神经网络有效通道注意力机制液压系统故障诊断

      原文链接:
    • 万方数据
    • 维普

    改进YOLOv5s网络的石油储罐表面缺陷检测算法

    张宇梁根
    207-214页
    查看更多>>摘要：针对当前石油储罐表面缺陷检测算法在实际应用中存在检测精度低、效率慢等问题，提出一种基于改进YOLOv5s的石油储罐表面缺陷检测算法。通过融合全局注意力机制(GAM)与C3结构，有效减少信息弥散，同时放大全局维交互特征，提高检测效率。将主干网络的部分卷积层替换为改进后的轻量化网络RepVGG，增强主干网络的特征提取能力。最后，使用基于自适应空间特征融合(ASFF)机制提高特征的尺度不变性，使浅层和深层的特征图更合理地进行融合。实验结果表明:改进后的算法在石油产业自采数据集上的均值平均精度(mAP)为92。5％，较原始YOLOv5s提升2。8％;同时，检测精度达到89。8％，较原始YOLOv5s提升4。9％，进一步满足了对石油储罐表面缺陷检测的需求。

    缺陷检测YOLOv5s全局注意力机制空间特征融合RepVGG

      原文链接:
    • 万方数据
    • 维普

    基于CNN-LSTM的液压自动抓梁健康状态预测

    张兆礼张建秋汪鑫王瑞辰...
    215-220页
    查看更多>>摘要：针对监测数据下大型水电站自动抓梁液压系统的退化特征提取和健康状态预测问题，基于卷积神经网络(CNN)和长短时记忆网络(LSTM)，构建一种健康预测模型。通过监测数据提取抓梁液压系统退化特征并实现预测。采用随机森林对状态监测信号与外部环境因素进行选择，利用CNN充分挖掘状态监测数据序列的时空特性，并使用LSTM网络捕获序列数据中的信息以及依赖关系。为验证所提预测模型的有效性，采用基于真实数据搭建的AMESim液压自动抓梁模型进行仿真验证。结果表明:相较于传统方法，该模型预测精度得到明显提升。

    液压自动抓梁CNN-LSTM健康状态预测

      原文链接:
    • 万方数据
    • 维普