缔约过失责任问题探讨

缔约过失责任是在合同缔结过程中产生的一种责任形式，是合同法中一项独立的法律制度。缔约过失责任与违约责任有着本质的区别，是基于缔约方违反先合同义务产生的责任形式，其损害对象是对方的信赖利益，而不是合同利益。本文通过对缔约过失责任的论述，阐明其产生的理论基础、成立要件、责任形式以及立法现状和趋势，谨希望能有助于我国相关立法的发展与完善。     

自整角机/数字转换器及其应用

介绍了ZSZ系列自整角机／数字转换器的结构，特性和工作原理，以及转换器在实际应用中的接口电路。     

DECENTRALIZED OUTPUT FEEDBACK FAULT一TOLERANT CONTROL FOR UNCERTAIN LARGE一SCALE SYSTEMS

ＤＥＣＥＮＴＲＡＬＩＺＥＤＯＵＴＰＵＴＦＥＥＤＢＡＣＫＦＡＵＬＴ一ＴＯＬＥＲＡＮＴＣＯＮＴＲＯＬＦＯＲＵＮＣＥＲＴＡＩＮＬＡＲＧＥ一ＳＣＡＬＥＳＹＳＴＥＭＳＨｕＳｈｏｕｓｏｎｇ；ＦａｎＣｕｎｈａｉ（ＤｅｐａｒｔｍｅｎｔｏｆＡｕｔｏｍａｔｉｃＣｏｎｕｏ...     

潜在电路分析中的拓扑模式识别算法研究

在网络树拓扑识别理论的分析方法与算法基础上 ,推导出网络树特定的五种基本拓扑模式识别的工程算法 ,以解决计算机对电路网络树进行自动拓扑识别问题。     

EDU──766显示组件的会聚电路分析

本文以通用彩色监示器会聚原理为基础，对ＥＦＩＳ──７００系统显示器ＥＤＵ──７６６中的会聚电路（Ａ３卡）进行了详细地分析，并给出实际电路。     

相位信息在故障诊断中的应用

 在故障诊断中,人们多从频域中寻找特征,但对于转子系统,许多故障的特征是相似的。相位作为旋转机械里一个很实用的量,在故障诊断中一直没有得到很好的应用,本文指出的相位计算和测量概念和方法,旨在进一步识别故障。     

基于改进IRN网络的航空发动机故障诊断

建立了一种带偏差单元的内部回归神经网络.该网络的主要特点是记忆特性好,收敛速度快、稳定性强.介绍了该神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性.在对某型航空发动机故障诊断中,准确性极高.从而在适时与视情维修过程中提出合理的建议,以便为相应维修方法的实施、改进和研究应用提供可靠的依据,有着良好的推广应用前景.     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

基于积分分离+死区PID的逆变电路控制系统研究

为了提高逆变电路模块控制性能,在传统PID控制方法基础上提出了一种基于积分分离+死区PID控制的逆变电路控制方法,可有效解决传统PID控制引起的控制量超过被控对象而造成系统振荡的问题。积分分离+死区PID控制算法是在积分分离PID控制算法内引入死区PID控制算法,综合了两种控制算法的优点,既可延长控制系统使用寿命又可对系统偏差进行限制。最后通过MATLAB/Simulink建立具有逆变电路模块的高频电源仿真模型,将所提PID控制方法应用于其中,验证了所提方法的有效性和实用性。     

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.