融入联盟链的数字党建系统研究与设计

为了解决目前基层党建工作当中存在的工作效率低、数据安全性低和共享不充分等问题,本文提出一种基于联盟链的基层党建工作系统模型.系统模型具有数据上链、组织关系转接、组织活动共享、党费的缴纳和审核的功能,有助于提高基层党建工作的数字化和信息化水平.     

基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断

针对行星齿轮箱故障信号成分复杂和时变性强的特点,提出了基于注意力机制的一维卷积神经网络(１D-CNN )行星齿轮箱故障诊断方法.首先,将行星齿轮箱各类故障状态的原始振动信号进行分段处理,作为模型的输入;其次,利用一维卷积神经网络对行星齿轮箱的原始振动信号学习齿轮故障特征,结合注意力机制( AM )对特征序列自适应的赋予不同的权重,增强故障特征信息;最后,利用 Softmax 分类器实现行星齿轮箱的故障诊断.通过故障实验验证以及与其他模型的对比,该故障诊断模型具有较强的学习能力,诊断性能优于其他的深度学习模型,有较好的工程实际意义.     

会理锌矿东部矿段采矿方法研究

本文介绍了昆明理工大学与会理锌矿共同合作进行的采矿方法试验研究,根据东部矿段矿床赋存条件及开采现状设计试验了侧向挤压崩矿分次爆破落矿新方案,达到了安全高效低成本生产、提高矿石回收率、降低矿石贫化的目的。     

膨润土防水毯在生态水体中的应用

防渗工程与生态灾难 去年在国家建设与环保领域发生的三个事件吸引了公众的眼光,也触发了广泛的争议。 其一是圆明园湖底铺设防渗膜工程： 其二是在今年3月,北京市有关部门抢在雨季之前采用与圆明园同样的防渗膜在永定河的门头沟河段进行防渗工程的施工;     

奇异谱分解联合互信息的主轴轴承故障特征提取研究

奇异谱分解(singular spectrum decomposition, SSD)算法存在当信号信噪比较低时降噪能力较差以及敏感分量个数难以确定的问题。针对上述问题，提出了SSD联合互信息理论(mutual information, MI)的主轴故障特征提取方法。首先，将轴承振动信号经过SSD分解，得到多个奇异谱分量(singular spectral component, SSC);然后分别计算原始信号与SSC之间的互信息，选择最小互信息(minimum mutual information, MinMI)处的分量为最佳分量。由于背景噪声的影响，选取的最佳分量故障特征频率并不明显。因此，基于振动信号特点与互信息理论提出了差分突变互信息(differential mutation mutual information, DMMI)的有效分量保留方法，通过对计算相邻SSC之和之间的MI值，保留突变点内的分量作为敏感信号，在此基础上再依据MinMI原则设计带通滤波器，对敏感信号带通滤波并进行包络解调以提取故障特征频率。通过仿真信号与真实主轴轴承数据分析表明，对信号进行DMMI保留敏感分...     

基于信息融合的稀疏自编码故障诊断

针对目前大多数机械故障诊断中单一振动加速度信号特征提取对先验知识要求高和对时域、频域信息利用不充分等问题，提出了一种基于信息融合的稀疏自编码故障诊断方法。首先，对振动加速度信号进行频域积分得到速度和位移信号，同时计算加速度信号的频谱；其次，将频谱、速度、位移三种信号融合成一个复合信号；最后，将复合信号作为稀疏自编码网络的输入进行深度特征提取，利用SoftMax分类器进行状态识别。通过调整不同比例的输入信息来调整模型，并与传统的稀疏自编码故障诊断模型相比，结果表明，所提方法能有效识别滚动轴承故障和RV行星轮故障，且在减少网络层数的同时能够提高识别准确率。     

旋转设备数据不平衡问题的数据生成方法

在旋转设备运行状态监测及故障识别时，采集的样本多为无故障样本，而故障样本较少，这种数据分布的不平衡会严重影响分类器识别的准确性。针对此问题，提出了一种少数样本数据生成方法，即基于傅里叶变换与皮尔逊系数优化的生成对抗神经网络（Fourier-Pearson generative adversarial networks，简称FP-GAN）模型。通过对故障少数样本的扩充，提高故障诊断训练和识别的准确性。首先，使用傅里叶变化得到信号频域的单边谱，使用GAN网络生成信号频域；其次，通过皮尔逊相关系数对生成的数据进行优化；最后，通过傅里叶逆变换获得更接近真实数据的生成数据。仿真和实验数据验证表明，基于FP-GAN生成的数据样本在时域特征、时域统计特征以及分类器分类结果方面都能较好地与已有实际数据融合，可以对小样本数据进行增强，能有效解决数据不平衡问题。     

一种用FPGA实现的FIR滤波器结构

A digital FIR filter architecture implemented in FPGA is described．The FIR architecture is based on a pipelined multiply-add-accumulator（MAC）which employs carry-save array．To save the delay time and hardware resources，multiplier uses the partial products generated by modified Booth algorithm．The FIR architecture is written in VHDL，and is synthesized into FPGA．The synthesis result shows that the proposed FIR architecture  can run at 50 MHz clock rate in FPGA XC4025e-2．     

一种高电源抑制比CMOS能隙基准电压源

介绍了一个采用０．６μｍ数字ＣＭＯＳ工艺制作的能隙基准电压源电路，该电路具有小的硅片面积（０．０６ｍｍ２）、高电源抑制比和较低温度系数。在该电路应用于高精度电路的偏置系统时，还可增加改善输出偏置电流温度系数的电路。     

域适应网络与平衡动态分布自适应的轴承变工况故障迁移诊断研究

机械设备在工业现场下的工况复杂多变，导致故障样本分布不均，给传统机器学习带来巨大的困扰。针对上述问题，提出了一种基于域适应神经网络与平衡动态分布自适应的轴承故障迁移诊断方法。首先，利用小波变换改进卷积神经网络的卷积层，并自适应提取轴承样本特征。其次，利用最大均值差异度量和权重正则化在损失函数处理所生成的特征，改善样本分布差异，获取域适应神经网络模型。最后，利用A-distance距离改进平衡分布自适应，使其具备动态特性，进一步改善样本分布差异，通过KNN分类器实现轴承迁移诊断。经过实验验证，所提方法在同试验台和跨试验台案例验证中，能够较为精确地迁移出轴承故障状态，证明该方法可有效解决无标签样本在变工况条件下样本分布不均的问题，具备有效性与鲁棒性。