基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

具有不定位势Kirchhoff型Schrödinger-Bopp-Podolsky系统解的存在性

研究Kirchhoff型Schrödinger-Bopp-Podolsky系统,考虑位势函数V不定的情况。此时Schrödinger算子-Δ+V具有有限维负空间。利用Morse理论,得到Kirchhoff型Schrödinger-Bopp-Podolsky系统非平凡解的存在性。     

超高压高CO2气藏偏差系数图版扩展与应用

Standing-Katz图版法确定天然气偏差系数是目前最常用、最基础的方法之一,但存在人工读值误差大、在超高压（拟对比压力大于15）和高CO₂含量天然气使用受限等问题。设计单组分偏差系数测定实验,结合Standing-Katz图版曲线变化规律,将图版拟对比压力扩展到30,拟对比温度扩展到3.6,并将图版数字化;基于不同CO₂含量偏差系数测定实验结果,推导了考虑不同CO₂含量的天然气拟临界压力、拟临界温度计算新模型,与常规非烃校正模型相比,新模型计算精度更高,适用范围更广。进一步将新临界参数校正模型嵌入到偏差系数扩展图版中,得到不同CO₂含量的偏差系数扩展图版,该图版在南海西部超高温高压、高CO₂含量天然气偏差系数计算中误差较小（不超过3%）,应用效果良好。     

组合合成阵的不可约性

本文讨论了布尔矩阵的组合合成的基本性质,用图论方法找出了２级组合合成阵为不可约的一些充分条件。     

基于图搜索算法的探讨

讨论了图搜索的非启发式和启发式算法,着重分析了它们各自的复杂性、优缺点及其相互关系,提出了改进要点．这对于如何选用一个合适的搜索算法是十分有益的．     

最小度为3k／2—1（k为偶数）的k连通图的可收缩边

最小度δ（Ｇ）＝３ｋ／２－１（ｋ为偶数）的ｋ连通图Ｇ至少有｜Ｇ｜＋５（ｋ＾２－１０ｋ）／４条可收缩边,且当｜Ｇ｜是ｋ的整数倍时,这一界是最好的。     

Ramsey数R（6,n）的两个下界

构造了２个新的素数阶循环图,从而得到了２个Ｒａｍｓｅｙ数的下限：Ｒ（６,１６）≥２７８,Ｒ（６,１７）≥３９８。此结果已经计算机验证,填补了Ｒａｍｓｅｙ数下界的２个空白。     

一些基本图的〔强〕自同态摹群

确定了一些基本图的〔强〕自同态摹群的基数,并在证明过程中实际上确定了这些摹群的全部元素,同时发现确定一些极其简单的图之自同态摹群却是极其困难的事情,有时甚至导致一些一般的组合难题．     

视觉诱发性眼震在摄影眼震图(VOG)和传统眼震图(ENG)中的表现

本研究对正常人视觉诱发性眼震在摄影眼震图（ＶＯＧ）和传统眼震图（ＥＮＧ）中的表现进行了研究。通过刺激整个视网膜所诱发的视觉诱发性眼震用ＥＮＧ和ＶＯＧ同时记录并得出结果,刺激源为电脑控制的投影条纹,结果用测得的和相角速度和刺激的时间来评价。本研究的目的是比较不同年龄组视觉诱发性眼震在ＶＯＧ和ＥＮＧ中的表现。本研究中有９９名平衡系统正常的自愿者接受了视觉诱发性眼震刺激,结果分为３个年龄组来评估：第１组：１５～３５岁,第２组３６～５５岁,第３组５６～７５岁。结果显示,第１组和第２组无统计学差异,但第３组在刺激速度达５０％时,视觉诱发性眼震的Ｖｅｒｓｔｒｋｕｎｇ明显下降,因此在临床上,进行视觉诱发性眼震检查时,必须考虑年龄这一因素     

视觉诱导性眼震在摄影眼震图（VOG）和传统眼震图（ENG）中的表现

本研究对正常人视觉诱导发眼震在摄影眼震图（ＶＯＧ）和传统眼震图（ＥＮＧ）中的表现进行了研究。通过刺激整个视网膜所诱发的的视觉诱发性眼震用ＥＮＧ和ＶＯＧ同时记录并得出结果,刺激源为电脑控制的投影条纹,结果和测得和相角速率和刺激的时间来评价。本研究的目的是比较不同年龄组视觉诱发性眼震在ＶＯＧ和ＥＮＧ中的表现。