基于频域降采样和CNN的轴承故障诊断方法

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方法 Ds-CNN。频域降采样包含最大偏移降采样和噪声横截断两个部分,可以实现样本增强,降低样本在频域的差异性,同时减弱噪声对频域信号的影响。基于频域信号建立的CNN模型能够自动提取降采样后频域信号的故障特征,并完成对轴承故障的识别分类。实验结果表明,在强噪声环境和多工况条件下,与目前常用模型相比, Ds-CNN具有更高的识别准确率。     

双船联合举升多体协同作业系统横摇稳性评估

基于ADAMS平台,构建特定场景双船联合举升多体协同作业系统虚拟样机,对新型一体化拆解作业双船联合举升过程中待拆除组块横摇稳性进行预测与评估。构建了该系统拓扑模型,使用几何参数描述系统中上部组块横摇运动特征;通过虚拟样机仿真探究了双船不同耦合运动情况时上部组块最危险失稳状态,并分析了上部组块重心至连接点连线垂直距离与水平距离比值对横摇角度的影响规律。结果表明:物理模型试验数据驱动的虚拟样机技术可以有效评估该系统运动特征,与几何拓扑模型得到的上部组块横摇失稳角度理论公式计算结果吻合;双船同相位横摇与反相位垂荡耦合运动时对上部组块横摇稳性影响最大;待拆除上部组块横摇失稳时的极限纵横比可以作为复杂多体系统横摇稳性评估参数,为实际工程方案选择提供参考。     

宗教文化对泉州古城街道活力的影响分析

以泉州古城为例,利用多源数据构建街道活力与其影响因素的分析框架,建立包含街道物理环境影响因素和宗教文化影响因素的街道活力评价指标体系.分析宗教建筑对街道活力的影响,并进一步分析宗教建筑与街道的空间关系对街道活力的影响.研究结果表明：街道活力与街道两侧的寺庙宗祠的数量呈负相关,香火旺盛的寺庙宗祠会提升附近街道的活力,但与寺庙宗祠距离无显著相关关系;在寺庙宗祠入口设置广场或宽敞的步行区可以集聚人气,并在寺庙宗祠周围布置商业或与其他景点结合以形成连续的活力点,有助于提升街道活力.     

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

圆渐开线变截面涡旋压缩机型线的参数优化

圆渐开线变截面涡旋压缩机的优化设计均以几何性能为目标。为了得到在几何性能和力学性能方面更为优越的涡旋压缩机,文章建立圆渐开线变截面涡旋压缩机压缩比和轴向气体力的数学模型,分析压缩比和轴向气体力随型线参数的变化趋势;结合几何性能和力学性能,以压缩比倒数和轴向气体力为目标函数,利用多目标遗传算法对其进行优化,得到不同参数变化下的非劣解集。对优化型涡旋盘与未优化涡旋盘进行的定量分析结果表明,优化型涡旋盘的压缩比提高了16.14%,轴向气体力降低了5.62%,证明了优化的可行性。该研究为圆渐开线变截面涡旋压缩机设计时型线参数的选取提供了一定的参考。     

抗深度取证的多粒度融合图像修复网络

数字图像的真伪判别是图像安全领域中的基础问题,因数字媒体极易被攻击篡改,针对图像的取证技术得到了广泛的研究.另一方面,对图像篡改反取证技术的研究,不仅追求更逼真的图像篡改操作,也从相反的方向促进了取证技术的发展.图像修复作为基础的图像篡改操作,一直是国内外学者的研究热点.针对被修复篡改后的图像会被深度取证网络取证的问题,提出了一种抗深度取证的多粒度融合图像修复(multi-granularity fusion-based image inpainting network resistant to deep forensics,MGFR)网络.MGFR网络包括编解码器、多粒度生成模块以及多粒度注意力模块.首先,输入的破损图像被编码器编码成深度特征,深度特征通过多粒度生成模块生成3个不同粒度中间特征;然后,采用多粒度注意力模块来计算不同粒度中间特征之间的相关性并将其融合;最后,融合特征通过解码器生成输出结果.另外,所提出的MGFR网络被重建损失、模式噪声损失、深度取证损失以及对抗损失联合监督.研究结果显示,所提出的MGFR网络在拥有较好的修复性能的同时能成功规避深度取证网络的取证.     

基于改进断裂点理论的机场吸引范围界定

合理界定机场吸引范围,是构建坚固民航运输网络的关键环节。现有的机场吸引范围界定方法,很少考虑与其衔接的地面交通网络,以及旅客出行偏好的影响。为提高机场吸引范围的实用性,本文以城市断裂点理论为基础,对其中的重要参数予以改进。首先,以综合交通运输为背景,指出发达的公路和铁路运输网络对民用机场具有很大的竞争与促进作用,并提出以地面交通出行时间为量化标准的吸引范围界定方法。然后,为分析旅客出行偏好的行为机理,针对于与机场衔接的地面交通网络来建立离散选择模型。其次,将研究区域的机场所在城市看作是一个整体,运用专家评价法和熵权法综合确定机场的吸引规模,并通过机场吞吐量与城市对外出行总量针对机场规模进行修正。最后,通过算例验证改进模型的实际可操作性,为确定多机场系统吸引范围界定提供新的思路和方法。     

考虑应力集中的吊车梁多轴疲劳寿命预测

钢结构吊车梁在工业建筑中被广泛应用,应力集中的存在导致几何不连续位置在复杂应力下服役.借助有限元法分析吊车梁应力-应变状态,确定危险点位置,并提取应力、应变分量;以应变能密度作为损伤参量并以最大平面为临界面,基于能量准则建立临界面位置数值计算方法,结合有限元结果给出吊车梁临界面位置;考虑吊车梁在非对称载荷下服役,借助Goodman方程进行平均应力修正,并结合Q355D钢近似S-N曲线计算疲劳寿命.该方法考虑了应力集中处多轴应力对疲劳损伤的影响,可以为复杂应力下几何不连续钢构件的疲劳寿命评估提供新方法.     

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.     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。