基于PBO与CNN的电梯轴承故障检测

电梯在生活中已经变得随处可见。而电梯轴承作为重要的部件之一，当出现故障时会造成财产损失，严重的会发生危及生命的事件。卷积神经网络(Convolutional Neural Network, CNN)具有强大的特征学习能力，能够根据电梯轴承在运行的过程中产生的振动信号来检测电梯轴承是否发生故障。文中结合了北极熊算法(Polar Bear Optimization, PBO)对卷积神经网络的参数进行优化。PBO作为自然界的一种启发式优化算法，采用PBO和卷积神经网络相结合的故障诊断方法，对轴承故障识别率达到了99.6%,高于传统的卷积神经网络对电梯轴承的振动产生的特征信号进行故障诊断的识别率。     

无信标星间激光通信系统粗精复合扫描方法

无信标星间激光通信系统无需额外设置信标光组件,直接采用小束散角的信号光进行瞄准捕获跟踪,有利于降低终端的质量、体积、功耗和制造成本等重要指标,满足商业航天和低轨卫星空间激光网络的发展要求。为了克服现有无信标激光通信系统扫描时间长、捕获难度大的问题,综合考虑星上姿态变化、测量精度和终端安装定位误差等因素,对扫描不确定域进行了数值计算,设计了无信标扫描捕获流程,定量分析了粗精扫描机构控制带宽、扫描步长、规划路径与光束覆盖面积的耦合关系,提出了一种简单可靠的无信标粗精复合螺旋扫描方法。典型环境仿真结果表明,采用所提方法平均扫描捕获时长小于20 s,捕获概率大于95%,有效提升了无信标系统的扫描效率,可满足未来低轨卫星空间激光网络的快速建链要求。