咬合管幕结构的抗弯性能及影响参数分析

依托咬合管幕结构的抗弯性能试验,利用ABAQUS有限元软件建立了咬合管幕结构模型,在对模型的准确性进行验证的基础上,对咬合管幕结构在集中荷载作用下的抗弯性能进行分析.选取咬合距离、钢管直径、钢管壁厚及钢筋直径进行研究,得到不同参数组合下结构的抗弯承载力水平.结果表明：加载过程中,钢管与核心混凝土中存在明显的应力重分布,咬合管幕结构具有良好的抗弯性能,钢管直径是影响咬合管幕结构抗弯性能的主要因素,当钢管直径增加45.7%时,结构抗弯承载力最大可提高294.3%.     

含不对中与滚珠分布误差的球轴承刚度波动特性

轴承不对中可能导致保持架断裂和滚珠分布误差.为了分析不对中及滚珠分布误差对轴承刚度波动的影响,考虑外载荷及内、外圈不对中耦合情况,提出了一种含滚珠分布误差的深沟球轴承拟静力学模型.基于所提模型,进一步分析了外载荷及内、外圈不对中状态下,滚珠分布误差对深沟球轴承径向、轴向及倾覆刚度波动特性的影响.结果表明：外载荷及外圈不对中情况下,轴承刚度以滚珠通过外圈周期,即变柔度(VC,variable compliance)振动为周期进行波动.此时,滚珠分布误差的存在,会使轴承刚度以保持架转动周期进行规律性大幅波动.随主轴旋转的内圈不对中会使轴承刚度以一半的内圈转动周期进行波动,且滚珠分布误差会使刚度波动幅值增加.     

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。     

基于三支决策的密度敏感谱聚类

将三支决策与密度敏感谱聚类结合,提出了一种基于三支决策的密度敏感谱聚类算法。该算法通过在密度敏感谱聚类的聚类过程引入容差参数得到每个类的上界,然后通过扰动分析算法从上界中分离出核心域,上界和核心域的差值被认定为该类的边界域。聚类结果用核心域和边界域来表示每个类簇,可以更全面地展示数据的结构信息。与传统的硬聚类算法在UCI数据集的实验结果相比较,本文使用核心域计算聚类的评价指标DBI、AS和ACC都有所提升,较好地解决了不确定性对象的聚类问题。     

基于Bert股吧舆情分析的特征融合股价走势预测研究

传统股价预测模型往往只考虑时序性数据且局限于模型自身机制,而忽略舆情对股价的影响,导致预测精度不高,针对该问题,提出基于 Bert 股吧舆情分析的特征融合预测模型对股价收盘价进行涨跌幅预测。 首先,采用Bert 自然语言处理对股吧舆情以及公司公告政策进行情感分类,并转化为虚拟变量,构建金融舆情情感特征库;然后将金融舆情特征库和时序性数据合并构建特征融合矩阵;最后输入长短期记忆网络模型(LSTM)进行股价收盘价预测,并得出股价的涨跌结果。 以华银电力(600744. SH)为例进行实证分析,实验结果表明:引入股票情感特征后的模型,得到的股价走势准确率上升了 8. 63%,预测收盘价的回归指标 FMAPE FRMSE 分别下降了 23. 59%、22. 9%,R2 提高了 8. 11%,证明引入新的舆情情感特征在实际预测中能提高股价预测的准确率,可以作为精准预测股价走势的手段。     

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。     

基于预训练模型和多视角循环神经网络的电力文本匹配模型

针对传统方法未能考虑词向量的动态性及句子间交互不充分等问题,提出基于BERT预训练模型及多视角循环神经网络的文本匹配模型。通过BERT-whitening方法对BERT输出的句向量进行线性变换优化,并利用多视角循环神经网络将两句子不同位置的BERT动态词向量进行双向交互计算;将句向量与词粒度交互向量进行融合后计算结果。实验结果表明,提出的模型相较于对比模型有明显性能提升,实用性良好。     

蓄电池容量自动测试仪

本文根据国标《CB5008.1～3—85》的规定,设计了一种蓄电池容量自动测试仪.该仪器利用8位单片计算机进行控制,完成测试过程中的自动恒流、自动测量时间和温度、自动进行数据处理、自动停机等功能.它的优点是操作简单,测量精度高,成本低.本文介绍了蓄电池容量的测量原理和计算方法,对单片机的硬件和软件系统都做了全面的叙述.     

模型故障诊断中测量点优选的一类期望熵法

基于“第１原理”的诊断方法,给出二个极优的测量点选择方法,其时间复杂性为０,算例表明通用性好,精确性高,与ｄｅ Ｋｌｅｅｒ法不同,文中使用二值的结构模型,用结构信息划分候选诊断。     

不同降水驱动的SWAT模型参数不确定性研究

以抚河流域与黑河流域为研究区,应用4种降水产品(CMORPH CMA、CMFD、CMADS、MSWEP)驱动SWAT模型模拟日流量,评估4种降水产品在湿润区与干旱区的适用性;使用自适应降维评估法选出流域的敏感参数,并进行一致性检验。结果表明:抚河流域4种降水产品的纳什效率系数(NSE)均在0.70以上,其中CMORPH CMA和CMADS的NSE均能达到0.82;黑河流域CMORPH CMA和CMADS的NSE大于等于0.76,而CMFD和MSWEP的NSE分别为0.72和0.74。抚河流域4种降水产品具有相同的敏感参数;黑河流域CMORPH CMA和CMADS有相同的6个敏感参数,而CMFD和MSWEP则分别有5个和8个敏感参数。4种降水产品在湿润流域和干旱流域都能得到较好的应用效果,但是CMORPH CMA和CMADS的模拟效果要优于CMFD和MSWEP。不同的降水输入也会对模型参数敏感性分析的结果产生影响,当降水表现越接近时,所筛选的敏感性参数也越相似。