基于估计类中心和广义距离的认知诊断

认知诊断能诊断学生的属性掌握模式,依据诊断结果能更好地组织个性化教学,提高教学质量.针对现有方法诊断准确率不够高的难题,提出了一种基于估计类中心和广义距离的认知诊断方法.模拟研究表明:在大多数情形下,本文方法的诊断准确率更高.诊断准确率的提高能促进个性化教学的发展,对教学质量的提高有着重要的现实意义.     

改进测度下的模糊C均值三元催化器故障诊断方法

针对采用物理建模刻画三元催化器故障演化精确性不足问题,提出一种基于尾气大数据的改进测度模糊C均值(FCM,fuzzy c-means),故障诊断方法。该方法包括分数阶傅里叶变换(FRFT,fractional fourier transform)下的故障特征提取与优化、核熵成分分析(KECA,kernel entropy component analysis)下的分形故障特征降维以及改进相似测度下的FCM故障特征聚类。首先,对不同工况的尾气数据进行FRFT处理,获取三元催化器从时域到频域的精细故障信息,同时利用粒子群算法(PSO,paticle swarm optimization)选取最优的FRFT特征,并由分形算子给出相应精细特征的分形维数;其次,借助KECA对候选的高维分形特征进行维数约简;最后,将获得的故障特征提交给改进测度的FCM故障分类器完成故障诊断。数值实验结果表明,较之采用欧式距离或余弦距离的FCM方法,研究方法的故障诊断精确度更高。     

SVM与PSO相结合的电机轴承故障诊断

针对电机轴承故障问题,提出一种基于支持向量机(SVM,support vector machine)与粒子群优化(PSO,particle swarm optimization)相结合的电机轴承故障诊断方法。结合振动信号的时域与小波包能量特征,使表征振动信号的特征具有较好的可靠性和敏感性,提高了故障的诊断准确率。采用PSO算法对SVM的惩罚参数和径向基核函数参数进行寻优,并与其它参数寻优算法进行比较分析。实验表明,研究提出的轴承故障诊断方法不仅对电机轴承的外圈故障、内圈故障和滚珠故障有很好的识别效果,而且还对每一类故障的严重程度有较好的区分,具有较强的实用性。     

高职院校课堂教学诊断与改进研究 ——以黎明职业大学为例

课堂教学质量是影响学校教育教学水平最直接最关键的因素,关乎着学生在校学习的成效及毕业后的工作能力。教学诊断与改进是近年来提出的新的话语体系,是保障教育教学质量的重要举措,涉及学校、教师、学生、课程等方面,而课堂教学质量的诊断与改进对高职院校而言是一种全新的探索。从创建现代质量文化、建立诊断与改进机制、教学评价改革等方面,探索高职院校课堂教学诊断与改进路径,为准确诊断课堂教学存在的问题,持续改进课堂教学,促进教学改革,提高课堂教学质量提供新思路。     

JJ16041-K型石油井架结构的动力响应分析

针对石油井架结构长期服役在野外恶劣环境下,局部或整体损伤等缺陷常成为安全生产中的事故隐患。通过白噪声模拟随机环境激励,利用ANSYS有限元建模,对石油井架系统进行动力响应分析。研究结果表明:井架结构的振动模态为空间振动,同时各节点在白噪声激励下的动力响应规律基本一致,动力响应数据的获得可为损伤诊断研究提供输入数据,对提高井架承载能力检测与安全评估水平,具有重要的理论意义和实用价值。     

基于数学形态学与PNN的螺杆泵井故障诊断

针对螺杆泵井泵功图图形信息一直没有得到充分利用,在一定程度上影响诊断技术的推广和利用的问题,研究直接提取泵功图状态参数形状特征信息的方法,提出基于数学形态学的泵功图图形特征提取方法。采用开闭组合的数学形态学算子实现泵功图边缘纹理特征提取,对提取的特征数字化后,使用PNN(概率神经网络)进行故障识别。实际应用证明,识别准确率达到90%以上。     

一种新的模拟电路故障诊断方法研究

针对传统模拟电路检测方法难以发现器件缺陷的问题,提出了一种基于小波分析与人工神经网络的故障检测方法,选取典型滤波器电路。使用MATLAB进行仿真。仿真结果表明,此方法能够有效地识别故障器件,且诊断率高。     

基于不变矩的示功图故障诊断方法研究

以抽油机井示功图为例,提出了基于不变矩的示功图故障诊断方法。首先对示功图进行二值化和细化处理。接着计算示功图不变矩。最后将不变矩作为特征向量来诊断抽油机井的故障类型。结果表明,该方法可以有效地分析出抽油机井的常见故障。     

转子故障信号的小波能量特征自动提取

提出了一种基于小波变换的转子故障信号能量特征自动提取方法,受倍频分析思想的启发,运用尺度变换对原始时间信号重采样,将重采样后的信号进行小波变换,并统一分解到给定层上,从而获取信号的频带特征。该方法能消除转子转速和采样频率对小波分解频带分布的影响,提取的频带能量特征具有统一的物理意义。在ZL-3多功能转子模拟试验台上模拟了不平衡、不对中、碰摩及油膜涡动四种转子常见故障的128个样本,应用本文方法进行小波分析特征提取,并构造集成神经网络诊断模型进行诊断实验,结果表明了本文方法的有效性和正确性。     

考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法

针对现有深度学习方法对非平稳的滚动轴承故障诊断过程中,先验故障信息利用不充分和故障样本不完备,导致诊断精度不高甚至无法诊断的问题,充分发掘轴承故障位置和损伤程度与振动数据特征间的映射关系,提出一种考虑滚动轴承故障位置与损伤程度的双分支卷积神经网络故障诊断方法.该方法首先将原始振动信号矩阵化,构建二维灰度图像数据集,然后...