作者须知

作者向本刊所投稿件一经本刊录用,则该论文的复制权、发行权、信息网络传播权、翻译权、汇编权等权利视为自动转让给本刊。本刊为国内各主要数据库收录刊,本刊所发表的稿件将同时通过因特网进行网络出版或提供信息服务,本刊一次性支付作者著作权使用费(包括印刷费、光盘版和网络版等各种使用方式的费用)。如有异议,请来稿时声明,本刊将做适当处理。     

结合句法依存信息的方面级情感分类

引入句法依存信息到原方面术语,提出一种新的方面术语表示方法,利用Glove词向量表示单词以及单词与单词之间的依存关系,构造出包含句法依存信息的依存关系邻接矩阵和依存关系表示矩阵,利用图卷积神经网络和多头注意力机制将句法依存信息融入到方面术语中,使得方面术语表达与上下文结构高度相关。将改进后的方面词术语表示替换到现有模型后,模型泛化能力得到有效提升。对比试验和分析结果表明:该方法具有有效性和泛化性。     

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.     

版权声明

1、本刊所刊载文章之复制权、发行权、广播权、信息网络传播权、改编权、翻译权、汇编权及其他可转让的著作权均于本刊刊发之日转由本刊享有,原著作权人可在非营利范围内继续使用。如作者向本刊投稿,除另有说明外,本刊将视为作者已接受上述条件。凡被本刊录用并刊发的稿件将同时通过网络平台进行网络出版或提供信息服务,编辑部将一次性支付作者著作权使用报酬(即包括印刷版、光盘版和网络版等各种使用方式的报酬),每千字30?50元。     

《东北电力技术》投稿须知

1.论文著作权人需保证:论文无一稿多投;论文内容无政治问题,无技术泄密;论文内容无知识产权纠纷;论文内容无数据不可靠、抄袭、剽窃、侵权等不端行为;所有作者和单位署名合法性和排名顺序无争议。如论文存在上述问题,论文著作权人窃承担由此产生的全部责任。2.论文在《东北电力技术》期刊一经发表,视为论文作者同意将论文的各种出版权(包括纸型、光盘、网络等电子媒介的出版权、汇编权、复制权、发行权、翻译权、信息网等传播权、转许可权等)许可给《东北电力技术》编辑部使用,稿费(含著作权许可费)与期刊版面费相抵,作者同意本刊将文章收录于与本刊有合作关系的数据库。     

基于熵权物元模型的长三角幸福河层次评价

将幸福河概念与长江三角洲区域一体化发展战略相结合，基于自然、人类社会、人水关系3个系统构建了包含24个指标的长三角幸福河层次评价指标体系；引入需求层次理论，以基础Ⅰ层次、基础Ⅱ层次、提升Ⅰ层次、提升Ⅱ层次、幸福层次5个层次作为幸福河的层次评价等级，运用熵权物元模型，建立了长三角幸福河层次评价模型，并对2018年长三角三省一市幸福河层次等级进行了评价。结果表明，三省一市均处于转化中的中间状态，其中江苏省向提升Ⅰ层次转化，浙江省、安徽省向提升Ⅱ层次转化，上海市向幸福层次转化，说明区域整体幸福河层次处于较高水平，但稳定性较差。     

基于ISVD多级降噪和SVM的轴承故障诊断研究

在强噪声背景下难以提取出滚动轴承的故障特征，导致对轴承的故障诊断准确率不高，针对这一问题，提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法。首先，采用小波降噪对滚动轴承的原始信号进行了初始降噪，消除了部分的随机噪声；然后，主要通过改进相空间矩阵重构方式，对该信号进行了改进奇异值分解二次降噪，并提出了新的奇异值有效秩阶次确定方法，利用峭度对一维信号提取方案进行了优化，并对其完成了降噪；最后，通过提取了10个有效特征，结合支持向量机在MATLAB中进行了仿真实验，分析了不同特征对轴承的故障诊断结果的影响，并将方法与其他方法进行了对比分析。研究结果表明：采用多级降噪算法降低了轴承工作状态下的背景噪声，使其故障特征频率更为明显；支持向量机分类诊断器的故障识别准确率达到98.3%,能够有效地识别轴承故障发生的位置和严重程度。