利用热机械法与超临界CO2流体萃取技术从马面鲣鱼腹部提取油脂

《Informatics》：Oil Extraction from Skipjack Tuna Belly (Katsuwonus pelamis) via Thermomechanical and Supercritical CO2 Fluid Extraction Vanessa Barbosa da Silva, Gabriel Costa Coelho, Lisiane Baldez da Cunha, Andrei Valler?o Igansi, Patrick Peres da Silva, Anelise Christ-Ribeiro, Débora Pez Jaeschke, Tito Roberto Sant’Anna Cadaval and Luiz Antonio de Almeida Pinto

　　

摘要

为解决空调系统中涡旋压缩机振动信号中瞬态脉冲与稳态成分之间的复杂耦合问题，本研究提出了一种基于物理原理的异构双路径自适应加权网络（PDW-Net）。该方法基于峰度与能量准则构建了物理驱动的加权模块，从而实现瞬态脉冲与稳态振动成分的自适应重构。通过由基于快速傅里叶变换的一维卷积神经网络（1D-CNN）和基于短时傅里叶变换的二维卷积神经网络（2D-CNN）构成的异构双分支网络，实现了特征提取与决策级融合。在针对四种典型故障情况——冷凝器故障、制冷剂不足、制冷剂过量以及主轴磨损的实验验证中，PDW-Net的平均诊断准确率为97.87%（标准差：2.60%），在识别制冷剂不足和正常运行状态时准确率可达100%，显著优于现有的主流方法。消融实验表明，自适应加权机制对性能提升贡献最大，去除该机制后准确率会下降34.24个百分点；而用同构结构替代异构双分支结构则会使准确率下降16.18个百分点，充分证明了基于物理原理的异构融合设计的有效性。