轴承润滑脂营销模式浅析

本文将密封深沟球轴承专用润滑脂营销模式划分为功能/试验营销、口碑营销、服务营销、特许经营、关系营销、个性化营销6大模式,从润滑脂行业和轴承行业之间的内在关系角度分析了各营销模式的特点及演变,对未来轴承润滑脂营销模式作了展望。     

矿难救援机器人的研究应用现状与开发

矿难救援机器人的研发具有非常深远的影响和现实意义。在介绍国内外救援机器人研究及应用现状的基础上,分析了矿难救援机器人的移动机构、通信方式、环境信息获取与导航、生命特征检测以及人机交互系统等关键技术的研究现状及其发展趋势,对所开发的矿难救援机器人进行了介绍。     

管道煤气气柜置换方法的实践及讨论

以管道煤气气柜的气体置换为对象，探讨直接置换和间接置换的经济性和可行性。     

企业发展的宗旨意识

目前开展的"改进作风,务实清廉"队伍作风大讨论活动,不仅是贯彻落实中央关于改进工作作风、密切联系群众八项规定和中国石油集团公司党组二十条规定的重大举措,更是加强各级管理人员党性修养、强化宗旨意识的迫切需要. 作风问题,本质上是一个理想信念、宗旨意识问题,是一个政治立场、政治本色问题,改进作风是领导干部的一项重大政治责任.作为一名企业管理者,结合这段时间自己的学习和思考,本着"着眼建设、着眼稳定、着眼发展"的思想,就如何改进队伍作风建设问题谈几点体会.     

结晶及其在医药生产中的应用

通过阐述结晶的基本原理,介绍了过饱和溶液的形成、晶核的生成、晶体的成长及重结晶在医药化工生产中的应用,介绍了我国医药结晶设备的研究成就。     

光头屏蔽罩级进模设计

通过对光头屏蔽罩(属典型罩形零件)进行冲压工艺分析，提出了该零件采用多工位级进模的冲压方案，并介绍了排样、模具结构及主要零件的设计过程。     

一种基于深度迁移学习的滚动轴承早期故障在线检测方法

近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.     

灰狼与郊狼混合优化算法及其聚类优化

郊狼优化算法(Coyote optimization algorithm, COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法, 具有独特的搜索机制和能较好解决全局优化问题等优势, 但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足. 为弥补其不足, 并借鉴灰狼优化算法(Grey wolf optimizer, GWO)的优势, 提出了一种COA与GWO的混合算法(Hybrid COA with GWO, HCOAG). 首先提出了一种改进的COA (Improved COA, ICOA), 即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度, 并提出一种动态调整组内郊狼数方案, 使得算法的搜索能力和可操作性都得到增强; 然后提出了一种简化操作的GWO (Simplified GWO, SGWO), 以提高算法的可操作性和降低其计算复杂度; 最后采用正弦交叉策略将ICOA与SGWO二者融合, 进一步获得更好的优化性能. 大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明, 与COA相比, HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度, 与其他先进的对比算法相比, HCOAG具有更好的优化性能, 能更好地解决聚类优化问题.     

基于中国写意风格迁移的动漫视频生成模型

目前生成式对抗网络（GAN）已经被用于图像的动漫风格转换。然而,现有基于GAN的动漫生成模型主要以日本动漫和美国动漫为对象,集中在写实风格的提取与生成,很少关注到中国风动漫中写意风格的迁移,因此限制了GAN在国内广大动漫制作市场中的应用。针对这一问题,通过将中国写意风格融入到GAN模型,提出了一种新的中国风动漫生成式对抗网络模型CCGAN,用以自动生成具有中国写意风格的动漫视频。首先,通过在生成器中增加反向残差块,构造了一个轻量级的深度神经网络模型,以降低视频生成的计算代价。其次,为了提取并迁移中国写意风格中图像边缘锐利、内容构造抽象、描边线条具有水墨质感等性质,在生成器中构造了灰度样式损失和颜色重建损失,以约束真实图像和中国风样例图像在风格上的高层语义一致性,并且在判别器中构造了灰度对抗损失和边缘促进对抗损失,以约束重构图像与样例图像保持相同的边缘特性。最终,采用Adam算法最小化上述损失函数,从而实现风格迁移,并将重构图像组合为视频。实验结果表明,与目前最具代表性的风格迁移模型CycleGAN与CartoonGAN相比,所提CCGAN可从以《中国唱诗班》为例的中国风动漫中有效地学习到中国写意风格,同时显著降低了计算代价,适合于大批量动漫视频的快速生成。