基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

基于集成DBN的肺部肿瘤计算机辅助诊断模型研究

针对目前肺部肿瘤计算机辅助诊断模型存在的识别精度不高和漏诊率、误诊率降低困难等问题,提出一种基于集成深度信念网络(DBN)的肺部肿瘤计算机辅助诊断模型。首先,探讨不同的隐层数和隐层节点数对DBN识别性能的影响,从而确定合适的网络结构,并以该网络结构在三个模态(CT,PET,PET/CT)肺部图像构成的样本空间构建三个单一DBN个体分类器(CT-DBN,PET-DBN,PET/CT-DBN);然后,探讨输入图像大小、RBM学习率、训练批次大小、反向传播次数对DBN识别性能的影响,从而确定合适的参数训练三个单一DBN个体分类器;最后,采用"相对多数投票法"对三个DBN个体分类器进行集成,得到该模型的最终结果。实验结果表明,基于集成DBN的肺部肿瘤计算机辅助诊断模型的整体性能优于三个单一DBN个体分类器。     

低压电容器装置运行与维护管理

阐述了低压电容器装置运行的布置、参数调节、投切方式、安装容量、额定电压的选择以及电容器装置运行对电网产生的影响;分析了低压电容器装置相移角、起动电流的选择,总结了维修故障分析、日常巡检及注意事项,以提高电网的功率因数,实现节约电能,改善电网的电能质量。     

2018～2019年世界塑料工业进展(Ⅱ)

收集了2018年7月~2019年6月世界工程塑料和特种工程塑料工业的相关资料,介绍了2018~2019年世界工程塑料和特种工程塑料工业的发展情况,按工程塑料(尼龙、聚碳酸酯、聚甲醛、热塑性聚酯)和特种工程塑料(聚苯硫醚、液晶聚合物、聚醚醚酮、聚芳砜、聚邻苯二甲酰胺)不同品种的顺序,对树脂的产量、消费量、供需状况及合成工艺、产品应用开发、树脂品种的延伸及应用的进一步扩展等技术作了详细介绍。     

SPE-液相色谱法测定工业废水中的DBP和DNOP

结合液相色谱定性定量分析的方法,建立固相萃取工业废水中的邻苯二甲酸二丁酯(DBP)和邻苯二甲酸二辛酯(DNOP)的测定。比较硅胶柱、C18、Qasis HLB和Si/PSA玻璃柱对DBP和DNOP萃取效率的影响。结果表明,Si/PSA玻璃柱回收率最稳定,Qasis HLB次之,C18的萃取效率较低。硅胶柱对DBP的萃取效率较高,但对DNOP的萃取效率低于80%。经水梯检测得出DBP和DNOP在0.1～4.0μg/mL质量范围内呈良好线性关系,相关系数均在0.9995以上,检出限均低于0.2μg/L。采用该方法分析5个实际工业废水样品发现所有水样中均有DBP检出,1个样品中检出DNOP,整体回收率在94.2%～101.2%。该法回收率稳定,抗干扰能力强,灵敏度高,适用工业废水中的DBP和DNOP检测。     

组合降采样极限学习机

设计了一种针对不平衡数据集的学习机,即组合降采样极限学习机(EUS ELMs)。当训练数据集不平衡时,普通分类器对少数样本的分类敏感性较低,而给予多数样本过度关注。针对这种问题,将组合降采样结构与极限学习机(ELM)结合起来,形成一种新的组合学习机。该学习机继承了组合降采样结构对样本选择的依赖性小的优点,和极限学习机分类效率高、耗时短的优势,而且可以通过不同的参数设置控制对少数样本的关注度,根据使用者需求获得不同分类效果。