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CiteSpace的非物质文化遗产科技创新研究热点及趋势分析

非物质文化遗产（以下简称“非遗”）作为我国优秀传统文化的重要组成部分,非遗科技创新的研究逐渐成为学术界关注的热点。运用CiteSpace分析工具的可视化功能,以中国知网中CSSCI数据库收录的有关非遗科技创新的文献为样本,对年度发文量、研究力量、研究热点和趋势等进行分析。研究发现：2008~2021年非遗科技创新研究经历了3个阶段;研究热点集中在非遗、传承、创新和保护等方面;研究前沿主题聚焦互联网+、传播创新和活态传承等。     

非线性电路故障诊断的可测性研究

本文是关于非线性模拟电路故障诊断的测试点选择问题的研究,在本文提出的关于诊断方程的雅可比矩阵的物几乎处处恒等这一概念的基础上,研究了非线性情况下诊断方程的形式及其可测性问题。     

基于雷达导引头角度跟踪特性的战斗机机动控制方法

通过分析导弹导引头角度自动跟踪系统的跟踪特性,明确了跟踪误差产生机理及对跟踪系统的影响,提出了战斗机规避导弹攻击的机动控制目标。以二维平面内导弹攻击为例,建立了导弹与战斗机的相对追逃运动模型。基于动态逆理论,对中断导引头角度跟踪的机动控制方法进行分析,推导了战斗机的规避机动控制律。通过仿真验证了该方法的有效性。     

良定Hadamard问题的统一研究

本文给出了良定Ｈａｄａｍａｒｄ问题的一个统一定理。     

特勒根定理的验证及其应用

本文对特勒根定理的内容,特别是其适用的普通性进行了验证．并运用该定理对网络的灵敏度进行了分析．最后对一个具体电路的灵敏度进行了计算,进一步验证了文中所述方法的正确性．     

一类非线性系统迭代优化神经网络控制器

提出了一类非线性系统迭代优化神经网络控制器的设计方法,该是在正向神经网络辨识模型的基础上,应用迭代学习方法进行控制器设计。为了补偿辨识和迭代学习误差,给出了通过引入了反馈补偿控制器控制精度的方法,仿真结果证明了该方法的有效性。     

拟塑性流体理论中一类奇异非线性边界值问题

研究了起源于拟塑性流体理论中的一类奇异非线性两点边界值问题正确的存在性和唯一性。     

一类不确定非线性系统的鲁棒镇定

讨论了在自由系统和输入通道都带有有界不确定性的仿射非线性系统的鲁棒镇定问题。本文指出如果一个相应的Ｈａｍｉｌｔｏｎ－Ｊａｃｏｌｂｉ不等式有非负光滑解,则该不确定仿射非线性系统可鲁棒镇定。