MHSACAE-CNN在噪声下的电机轴承故障诊断

电机的运行情况复杂,实际运行工况下会有大量的噪声,导致其轴承故障诊断精度下降。为了改善这一问题,提出了一种基于多头自注意力机制的一维全卷积自编码网络（One-dimensional Fully Convolutional Autoencoding Network Basedon Multi-head Self-attention,MHSACAE）与卷积神经网络（Convolutional Neural Network,CNN）结合的轴承故障诊断方法。该方法先采用MHSACAE网络进行降噪,再通过CNN进行故障诊断。其中MHSACAE去噪网络采用无监督训练的方式,充分考虑了实际工况和序列数据内在联系,在实现对噪声的滤除效果的同时,最大限度地保留下了原始的故障信息,使得CNN可以实现在噪声情况下对电机轴承故障的高精度诊断。通过与其他轴承故障诊断方法在噪声情况下进行对比,证明提出的方法具有更好的效果。     

Container-Based Internet of Vehicles Edge Application Migration Mechanism

Internet of Vehicles (IoV) applications integrating with edge computing will significantly drive the growth of IoV. However, the contradiction between the high-speed mobility of vehicles, the delay sensitivity of corresponding IoV applications and the limited coverage and resource capacity of distributed edge servers will pose challenges to the service continuity and stability of IoV applications. IoV application migration is a promising solution that can be supported by application containerization, a technology forseamless cross-edge-server application migration without user perception. Therefore, this paper proposes the container-based IoV edge application migration mechanism, consisting of three parts. The first is the migration trigger determination algorithm for cross-border migration and service degradation migration, respectively, based on trajectory prediction and traffic awareness to improve the determination accuracy. The second is the migration target decision calculation model for minimizing the average migration time and maximizing the average service time to reduce migration times and improve the stability and adaptability of migration decisions. The third is the migration decision algorithm based on the improved artificial bee colony algorithm to avoid local optimal migration decisions. Simulation results show that the proposed migration mechanism can reduce migration times, reduce average migration time, improve average service time and enhance the stability and adaptability of IoV application services.     

新测试方式下非计算机专业程序设计课程教学探讨

原有教学法在学生实际编程能力上机考试方面存在局限,为适应新的测试方式所带来的教学方法与教学理念的变化,本文结合本校实际,对如何激发与保持学生的学习积极性、实现抽象与模型化的跨越、培养学生的计算思维能力、合理组织实验教学进行探讨,并对实验过程进行监督与综合评价。     

基于集成学习的规范化LDA人脸识别

针对人脸识别问题中经常面临的“小样本”问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重。增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%。通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能。     

结合变尺度法的改进类电磁机制算法

标准类电磁机制算法处理连续函数优化问题时存在最优参数选取和收敛速度问题.数值实验研究表明类电磁算法不具备初值敏感性,并在搜索后期算法收敛速度缓慢甚至可能出现停滞.数值实验分析指出粒子之间达成动态力平衡状态是造成算法停滞的可能原因之一,提出一种解决策略是摒弃EM算法后期搜索过程,结合变尺度法对EM算法前期搜索到的近似最优值进行二次优化.该混合计算方法将二者的优势相结合,实验结果表明新方法在保证计算实时性的同时,取得了较高的计算精度.最后,对EM算法本身构造提出一些改进意见,并初步建立用于连续函数优化的EM算法计算框架,为后续更深入的研究EM算法提供参考.     

动态相位调整技术在FPGA中的设计与实现

提出一种基于FPGA的动态相位调整实现方案。在高速数据传输接口中,由于数据窗缩小以及传输路径不一致,造成数据和时钟信号在FPGA的接收端发生位偏移和字偏移。动态相位调整技术根据当前各数据线物理状态,对各信号线动态进行去偏移操作,克服了静态相位调整中参数不可再调的缺点,使接口不断适应外部环境的变化,从而保证数据的可靠传输。     

CMMI-SVC在3D虚拟现实制作服务外包行业的实施

本文介绍了3D虚拟现实服务外包项目的生命周期特点,服务能力成熟度模型集成(CMMI-SVC)的适用领域及过程域内容,以及根据某3D虚拟现实制作服务外包公司的项目特点实施CMMI-SVC的过程,重点介绍了建立服务生命周期、服务过程组和差距分析阶段的内容,以及CMMI-SVC中能力与可用性管理、服务系统开发和服务管理战略等三个重要服务过程域的定制实践.     

OEM战略下的制造业国际化

目前国内许多企业都在实施OEM战略,本文论述了如何将OEM战略与企业国际化的发展有机的相结合,并对中国企业国际化做出了展望。     

内存缓存技术在门户网站开发中的应用研究

该文创造性地探讨了内存缓存技术在门户网站开发中的应用,介绍了Memcached这一杰出成果在truelife.com的应用情况,并就其实际存在的一些缺陷进行了深入分析。