基于组合预测模型的小样本轴承故障分类诊断

滚动轴承是旋转机械内常出现问题的重要部件,其故障情况复杂且难以诊断.基于小样本故障数据学习环境,针对小样本学习在提取真实特征值与目标特征值时有较大差异且泛化能力较弱的问题,提出一种采用半监督变分自编码器与LightGBM分类模型相结合的小样本学习模型LSVAE,并利用基于高斯过程的贝叶斯优化改进算法对LightGBM的超参数进行了优化处理,有效地解决了小样本学习性能不稳定,提取特征能力弱,过拟合等问题,并在凯斯西储大学发布的轴承实验数据集上进行了对比实验,结果表明LSVAE模型在面向小样本数据空间时有着更优的诊断准确率.     

微信流量特性分析与建模

微信是现代互联网的主要应用之一,到目前为止有关微信流量特性分析与建模的研究较少.本文以微信流量为研究对象,分析验证微信流量同时具有自相似性和突发性.针对这两种特性进行微信流量建模,采用线性分形稳定噪声模型刻画微信流量特性,完成了模型的参数估算和效果分析.本文的研究成果是后续的网络性能分析、网络流量监管等的基础.     

三维点云模型特征张量描述符的构造及自相似性分析

三维模型局部自相似性是物体形状分析中的一个基本问题,其中,局部形状描述符的构建对自相似性分析的最终结果至关重要.针对此问题,提出了一种基于张量融合特征描述符的自相似性分析方法.首先利用相关面和反向点对点云模型进行形状直径函数(shapediameterfunction,SDF)的近似计算;然后利用谱聚类对模型进行过分割成模型子块,由K近邻(K-nearest neighbor, KNN)邻域点的SDF、形状指数(shape index, SI)和高斯曲率(Gauss curvature,GS)矩阵构造三维特征张量;最后利用张量范数构造映射得到形状描述符,并定义相似性度量分析模型子块之间的自相似性.对几种最新的方法(包括部分匹配和显著性检测)进行了实验,无论是直观视觉效果,还是相似性测度和相对误差上的评价指标,结果均表明,该方法可有效地对形状进行描述,提高了点云模型相似子块的识别精度.     

带自调整因子模糊PID AGV转速控制与实现

针对AGV转速控制要求响应快、精度高的特点,提出带自调整因子的模糊PID转速控制算法,该控制器能根据系统误差大小分配不同的调整因子,从而做到模糊控制规则的自我调整,克服了常规模糊PID控制器一旦设计完成控制规则无法变动的问题.基于MT6071iE软件界面,搭载AB PLC转速控制器程序设计及相应的操作界面,实现了所提算法的AGV控制测试.结果表明,带自调整因子模糊PID控制算法过渡过程时间短,有很好的工程应用前景.     

基于风电规模化入网技术的机组启停间歇联合协调方法研究

传统方法在控制机组启停间歇时,受到电波波动特性影响,对机组启停间歇协调效率低.为此,本文引入风电规模化入网技术,优化机组机组启停间歇协调效果.依据机组启停间歇控制结构,采用断点控制方式设计机组启停间歇控制位置;通过自启停APS技术分析机组启停电波规律,并根据做功特点控制机组启停容量可信度;规范设计机组启停间歇联合协调方案,确定机组启停间歇联合协调步骤,实现机组启停间歇联合协调控制.结果可知,该方法协调率较高,可行性较高.     

基于FLUENT的燃料电池密封性仿真分析

为评估玻璃/Al2O3基复合密封材料的密封性能,利用FLUENT软件,基于多孔介质模型,对用于固体氧化物燃料电池(solid oxide fuel cell,SOFC)内部连接体与电极之间的玻璃/Al2O3基复合密封材料进行模拟.结果 表明:采用的计算模型和模拟方法是可行的;泄漏量的大小与压力的变化正相关,与温度的变化负相关;物性参数的差异是影响气体介质泄漏量发生变化的主要因素.通过与实验测量对比分析,证明采用的计算模型和模拟方法正确可行,为预测SOFC的密封泄漏提供一种可靠的评价方法.     

一种基于对抗学习的实时跟踪模型设计

目标跟踪指在视频帧中找到感兴趣目标的运动位置,广泛应用于环境感知、安防监控和无人驾驶等领域。为进行高效的目标跟踪,建立一种基于对抗学习和特征压缩的相关滤波器目标跟踪模型。为了同时兼顾精度与速度,在模型中引入特征提取优化、特征压缩和特征聚合等步骤。在提取图像特征前,采用对抗学习方法解决特征提取模型中训练数据与任务数据分布不匹配的问题。在特征压缩阶段,应用双通道自编码器结构和特征聚合来增强模型对图像风格的泛化能力。实验结果表明,与非实时跟踪算法相比,该模型在精度损失不超过3%的情况下能取得明显的速度提升,其跟踪速度高达103FPS。     

基于EKM-AE模型的无监督主机入侵检测方法

针对深度学习方法运用于入侵检测时需要大量标注数据集和难以实时检测的缺陷,利用网络流量中正常数据多于异常数据的一般规律,提出一种结合集成K-means聚类和自编码器的EKM-AE(ensemble K-means and autoencoder)入侵检测方法.首先通过集成K-means聚类从实时抓取的网络流量中得出正常样例,用于训练自编码器,然后由完成训练的自编码器执行入侵检测.在虚拟局域网主机环境下进行了入侵检测实验,结果表明,在绝大多数实际应用场景(正常流量多于异常流量)下该方法具有良好的检测性能,且具有全过程无监督、可实时在线检测的优点,对主机网络安全有良好的提升作用.     

基于VDES的船联网移动自组织路由协议研究

基于甚高频数据交换系统(VHF Data Exchange System,VDES),通过分析海上真实船舶运动特征,提出一种符合船舶移动特征的移动模型——船舶平滑转向的高斯马尔可夫移动模型。针对性地研究了不同船舶节点密度环境中的自组织网络路由协议,仿真分析了不同自组织网络路由协议应用于VDES时的数据传输性能。结果表明,按需距离矢量(Ad Hoc on-demand Distance Vector,AODV)路由协议明显优于其他路由协议,可将其作为VDES下船联网系统最优路由选择方案。     

基于功效特征的专利聚类方法

当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示（ERNIE）和卷积神经网络（CNN）相结合的功效特征联合提取（FEI-Joint）模型来提取专利文献的功效特征,并且改进自组织神经网络（SOM）算法,从而提出具有早期拒绝策略与类合并思想的自组织神经网络（ERCM-SOM）来实现基于功效特征的专利聚类。对FEI-Joint模型与TF-IDF、狄利克雷分布（LDA）、CNN在特征提取后的聚类效果上进行比较和分析,结果表明其F-measure值比其他模型有明显提高。ERCM-SOM算法与K-Means算法、SOM算法相比,在F-measure值提高的同时,其时间较SOM算法有明显缩短。对比使用专利分类号（IPC）的专利分类,采用基于功效特征的聚类方法可实现跨领域的专利聚类效果,为设计者借鉴其他领域的设计方法奠定了基础。