两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。     

综合改进奇异谱分解和奇异值分解的齿轮故障特征提取方法

针对齿轮故障特征微弱，在强背景噪声下难以有效提取的问题，提出了一种改进奇异谱分解（ISSD）结合奇异值分解（SVD）的齿轮故障特征提取方法。针对奇异谱分解（SSD）算法中模态参数需凭经验选取的缺陷，基于散布熵优化算法对SSD算法进行了改进，在得到既定的一组奇异谱分量的基础上，根据峭度值最大准则筛选出了最佳奇异谱分量并进行了SVD处理，采用奇异值能量标准谱自适应地确定了信号重构阶数以还原信号和提高降噪效果。最后对信号进行包络解调以提取齿轮故障特征，将所提方法运用到仿真信号和齿轮实测信号中，并同传统包络谱、SSD包络谱以及经验模态分解结合SVD(EMD-SVD)方法进行了对比分析，结果表明，所提方法的降噪和特征提取效果更佳，能够更加有效地实现齿轮故障的判别。     

产品族设计与供应商的订单分配关联优化研究

针对统一采购情形下产品族设计与供应商订单分配问题,提出了一个以产品族利润最大为目标,满足产品配置要求、供应商最小订单数量等约束的产品族设计与供应商订单分配关联优化模型,并开发了一种自适应遗传算法对模型进行求解。为了防止由于优化问题中存在的订单等式约束导致算法产生大量不可行的染色体,给出了一种按比例分配订单的染色体编码与解码方法。同时算法设计了自适应的交叉方式与变异方式尽可能避免陷入局部最优解。最后通过一个实例验证了所提优化方法和求解算法的有效性。     

低剂量抑制剂Inhibex501存在下的甲烷水合物相平衡研究

含动力学抑制剂的天然气水合物相平衡研究对新型低剂量抑制剂的开发具有指导作用。在283.6 ~ 290.9 K和7.51 MPa ~ 15.97 MPa的温压范围内研究了抑制剂Inhibex501及其溶剂2-乙二醇单丁醚对甲烷水合物相平衡条件的影响。实验结果显示，0.5wt%和2.0wt%浓度的Inhibex501对甲烷水合物形成的热力学条件具有促进作用，能使甲烷水合物形成移向更高的温度或者更低的压力，而2-乙二醇单丁醚在浓度0.2wt% ~ 1.0wt%范围几乎不改变甲烷水合物形成的热力学条件，N-乙烯基己内酰胺与N-乙烯基吡咯烷酮的共聚物对水合物形成热力学条件的改变起主要作用。     

Microenvironment and related genes predict outcomes of patients with cervical cancer: evidence from TCGA and bioinformatic analysis

Cervical cancer (CESC) is one of the most common cancers and affects the female genital tract. Consistent HPV infection status has been determined to be a vital cause of tumorigenesis. HPV infection may induce changes to the immune system and limit the host’s immune response. Immunotherapy is therefore essential to improving the overall survival of both locally advanced and recurrent CESC patients. Using 304 relevant samples from TCGA, we assessed immune cell function in CESC patients to better understand the status of both tumor micro-environment cells and immune cells in CESC. Functional enrichment analysis, pathway enrichment analysis, and PPI network construction were performed to explore the differentially expressed genes (DEGs). The analysis identified 425 DEGs, which included 295 up-regulated genes and 130 down-regulated genes. We established that upregulation of CCL5 was correlated with significantly better survival, meaning that CCL5 expression could serve as a novel prognostic biomarker for CESC patients. We further focused on CCL5 as a hub gene in CESC, as it had significant correlations with increased numbers of several types of immune cells. Cell-type fractions of M1 macrophages were significantly higher in the high-immune-scores group, which was associated with better overall survival. Finally, we concluded that CCL5 is a promising prognostic biomarker for CESC, as well as a novel chemotherapeutic target.     

多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

溪洛渡水电站导流洞布置设计

溪洛渡水电站施工期采用左、右岸各布置3条导流洞的施工导流方案,无论是导流洞规模、单洞泄流量还是导流洞断面尺寸均居国内已建和在建导流洞的前列,特别是6条大断面尺寸的导流洞布置规模,在世界上位居首位。本文简要介绍了溪洛渡导流洞布置设计情况。     

铝合金热轧板锭熔铸技术及设备

本文概述了近年来铝合金热轧板锭的熔铸设备和熔铸技术的发展和最新成就，重点介绍晶粒细化、熔体净化、检测及铸造新技术，为国内铝板带企业跟踪国际铝合金板锭熔铸技术、开展技术攻关和进行技术创新提供有益的参考。