绝对式光电编码器的编码理论研究进展

介绍了用于角度测量的绝对式光电旋转编码器的编码理论研究概况,具体包括反射式格雷码、矩阵码、m序列码和单码道格雷码的绝对位置编码方法和编码特征。绝对位置编码的发展过程是以唯一性和单变性为基础特性,以单码道性为最终目标进行编码矩阵列数的缩减。目前,编码类型的发展经历了n条码道的反射式格雷码、n/3条码道矩阵码、2条码道的m序列码以及1条码道的单码道格雷码,已经达到单码道的最终目标。由于单码道格雷码编码理论尚不完善,仍依赖搜索获得编码,因此其快速构造方法是未来绝对位置编码理论的发展方向。最后,对近几年发展起来的基于图像传感器的非编码测量方法进行了介绍和展望,该方法是对传统测量方法的颠覆,有望成为光电式旋转编码器的另一个发展方向。     

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。     

采煤机滚筒速度对采煤机动态响应的影响分析

针对采煤机滚筒进行煤岩的截割过程中,容易引起振动作用,不利于采煤机稳定工作的问题,基于滚筒的进给速度及旋转速度,建立滚筒与煤岩的动力学模型,分析不同的进给速度及旋转速度对采煤机动态响应的影响,为选择合理的参数提供依据.     

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Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

土家数纱花纹样特征及造物美学新探

土家数纱花是土家族古朴艺术的表现形式之一，其造物艺术形式却独具土家特色。文章以土家族现存的挑绣作品为研究对象，通过文献研究、实物分析及复原设计对土家族数纱花纹样特点及构图规律进行总结，同时通过实地调研、对比分析土家苗瑶族数纱花在艺术表现上的差异，从而深入探究表象艺术下折射出的土家文化内涵。研究表明：土家数纱花与苗、瑶族数纱花有相似之处，但也存在一定视觉差异。土家数纱花纹样题材丰富多样，构图、色彩与整体布局都充分展现出土家挑绣文化的造物美学思想。土家数纱花以小众艺术形式添补了土家文化的诠释。     

复杂工况下二阶碰撞时间自动紧急制动模型

自动紧急制动是汽车安全行驶的重要保障，也是汽车智能化关键技术研究的重点和难点。针对传统防撞时间（Time To Collision,TTC）模型在复杂工况下，本车与目标车车辆速度接近时易出现无限大的问题导致预警过早或过晚的问题，以四轮独立驱动电动汽车为研究对象，提出一种基于二阶TTC的自动紧急制动模型。将目标车按照场景分为静止、ACC和Cut-in等三种类型，通过二阶TTC计算到可能碰撞时间，并与预设的时间阈值进行对比，力矩分配控制器根据当前输入信息计算得到制动力矩并传给车辆执行机构，车辆根据当前信息进行减速或紧急等辅助措施。利用联合仿真对该紧急制动模型进行了验证，结果表明当目标车存在加速度的情况下，该自动紧急制动模型相较与传统一阶TTC紧急制动模型能够很好地进行制动，防止车辆碰撞，并能有效适应复杂工况。