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。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

F?对熔融NaCl–KCl熔盐中钛离子配位结构的影响

本文采用电化学、数学分析和光谱分析相结合的方法,研究了氟离子(F?)对钛离子(Tin+)的电化学行为和配位性能的影响,以α表示F?和Tin+的摩尔浓度比。采用循环伏安法(CV)、方波伏安法(SWV)和开路电位法(OCP)研究了不同α条件下钛离子的电化学行为,并采用原位采样器制备了α = 0、1.0、2.0、3.0、4.0、5.0、6.0、8.0时的熔盐样品,然后用X射线光电子能谱(XPS)和拉曼光谱对样品进行分析。结果表明:熔盐中F?的加入缩短了钛离子的还原步骤,并极大地影响了价态钛离子的比例,使高价态钛含量增加且更加稳定,当α大于3.0时,Ti2+不再存在于熔盐中,最终转移到价态更高的钛离子中。研究发现,这些现象背后的机制是由于配合物(TiCl_jF_im?)的形成,这对揭示钛还原过程机理和电解质的选择具有重要意义。     

单位分数跨集中阻尼弦本征解的结构及其性质

针对斜拉索-阻尼（器）系统,推导出阻尼（器）位于任意单位分数跨时（拉索1/n跨位置）系统超越频率方程的代数形式,根据代数基本定理讨论了系统本征解的结构,并结合4个算例分析解的性质. 结果表明：1）本征解可归为n-1个解支. 2）对于同一解支,各阶本征值实部（其相反数即单位时间对数衰减率）均相同,各阶本征值虚部（即频率）构成等差数列. 3）根据频率随阻尼系数变化的特点,解支可分为三类：第一类解支的频率均依赖于阻尼;第二类解支的频率均不受阻尼影响;第三类解支的频率随阻尼系数的不同,具有第一类解支或第二类解支的特点,即随阻尼系数的增大,频率先随阻尼系数变化,到达某一临界值后为常数.     

电网谐波的微机检测和分析系统

为贯彻水电部《电力系统谐波管理暂行规定》文件,适应电网谐波检测管理的需要,研制了本装置。它在微处理机的基础上实现了对电网谐波的自动检测:能测量基波至19次谐波的电压、电流、相位、有功和无功功率,以及电压和电流的总畸变率。本文简述其工作原理、硬件框图、程序流程图、提高测量准确度的措施、测试结果等。     

从π的古算法看中国传统数学

本文首先阐述了刘徽的割圆术。然后,在述评π的密率求法的基础上,认为祖冲之的求法实质上使用了连分数方法,并作了较为合乎情理的论证。最后,结合π的古算法,初步分析了中国传统数学内部固有的缺陷。     

完全不可约算子的近期研究

总结近两年来有关完全不可约算子更深入的工作。它包括了如下几个方面：（１）完全不可约算子的谱图形和精致的完全不可约算子的存在性;（２）算子的完全不可约分解的唯一性;（３）完全不可约算子的紧扰动和（ｕ＋Ｋ）轨道。文中列出的一些结果回答了江泽坚、Ｈｅｒ－ｒｅｒｏ有关完全不可约算子的部分猜测和问题。     

改进位姿估计环节的ORB-SLAM稠密建图算法

为了提高ORB-SLAM2系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了一种融合ICP算法与曼哈顿世界假说的位姿估计策略并在ORB-SLAM2系统中加入稠密建图线程来实现稠密建图。首先通过ORB特征点法、LSD算法和AHC方法进行点、线、面特征的提取,其中点、线特征跟上一帧匹配,面特征在全局地图中匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同的位姿估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而曼哈顿世界场景下的平移以及非曼哈顿世界场景位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用TUM数据集对所提建图方法进行验证,实验结果与ORB-SLAM2算法比较,最终均方根误差RMSE平均减少0.24cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。     

基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

Hamilton图的代数刻划

运用矩阵方法,给出了连通图是Ｈａｍｉｌｔｏｎ图的一个代数刻划