基于信令的用户感知问题诊断系统研发及应用

针对当前运营商对终端与网络协同发展的关注,提出了基于信令的用户感知问题诊断系统。该系统聚焦于终端信令的采集、统计和分析,给出问题定位和解决措施。应用场景显示该系统对网络与终端协同发展提供信令级支撑工具,为提升网络质量和客户感知提供可行的技术手段,经二次开发后该系统和思路可扩展应用于长期演进(LTE)网络的用户感知问题诊断。     

徐家围子断陷深层天然气地球化学特征及成因

以试气井段为单位对徐家围子断陷深层天然气进行分析,探索各气藏天然气组成及碳同位素的分布规律。研究表明:乙烷碳同位素在平面上存在明显差异,断陷边部乙烷碳同位素较重,具有煤型气特征,断陷中部乙烷碳同位素较轻,达到油型气标准;天然气C_5以上的重烃碳同位素异常轻,可能来源于原油裂解;碳同位素反序的天然气不一定是无机成因,复杂的碳同位素序列可能是油型气和煤型气混合造成;无机成因烃气数量甚微,不可能单独成藏。     

高频超声诊断腕管综合征的价值

目的 探讨高频超声诊断腕管综合征（CTS）的价值.方法 选择经手术证实的21例（共33只手腕）腕管综合征患者为观察组,21例（共33只手腕）无腕管综合征的健康志愿者为对照组.采用Mylab 90型彩色多普勒超声诊断仪矢状位观察腕管正中神经的形态、回声改变,测量豌豆骨水平正中神经及钩骨勾水平正中神经的横截面积,计算豌豆骨水平正中神经肿胀率,并对2组结果进行比较.绘制2组豌豆骨水平正中神经横截面积及肿胀率的ROC曲线,计算其诊断腕管综合征的诊断阈值、敏感度及特异度.结果 CTS患者的正中神经卡压最常见的部位为钩骨水平,卡压两端神经肿胀,肿胀处回声减低,豌豆骨水平横截面积最大.观察组豌豆骨水平正中神经横截面积与肿胀率均显著高于对照组（P〈0.001）.豌豆骨水平正中神经横截面积对CTS的诊断阈值为9.60）mm2,敏感度为90.9%,特异度为84.8%;豌豆骨水平正中神经肿胀率对CTS的诊断阈值为1.09,敏感度为93.9%,特异度为90.9%.结论 高频超声检查可以从正中神经的形态、横截面积、肿胀率方面诊断腕管综合征,是诊断腕管综合征的可靠方法.     

小肠神经内分泌肿瘤24例临床分析

目的 探讨小肠神经内分泌肿瘤（NETs）的临床特点、治疗方法及预后.方法 对24例小肠神经内分泌肿瘤患者的临床资料进行回顾性分析.结果 分期情况：T1期7例、T2期4例、T3期4例、T4期6例,另3例无法确定.分级情况：G1级10例,G2级7例,NEC 5例,MANEC 2例.免疫组织化学：Syn、CgA、NSE阳性表达率分别为95%、79%、75%.临床表现：上腹疼痛17例,溃疡出血2例,胆系扩张、梗阻性黄疸、瘙痒5例,恶心呕吐、贫血等3例,类癌综合征1例,无症状1例.治疗：18例十二指肠NETs患者中内镜下切除6例,全身姑息化疗1例,胰十二指肠切除11例,其中术后辅助化疗6例;6例空回肠NETs患者中手术切除3例,肝转移灶介入后再行小肠病灶手术切除1例,对症治疗2例.随访：6例十二指肠NETs内镜下切除者均无病生存,11例十二指肠NETs患者术后1例死于心脏疾病,1例死于肺部感染,2例MANEC患者和未行手术治疗的1例NEC患者存活期较短,分别为13个月、10个月、5个月;6例空回肠NETs患者有2例仍然存活,其余4例出现腹腔、肝内广泛播散,均在2年后死亡.结论 小肠神经内分泌肿瘤缺乏特征性临床症状,内镜有助于该病的早期诊断.尽早手术切除肿瘤可提高患者生存率,病理分期和分级与患者的生存预后密切相关.     

汽车电气系统故障的诊断维修技术分析

电气系统故障问题对于汽车的功能稳定性与驾驶安全性影响非常严重,而常见的汽车电气系统故障问题则主要发生在中、短途的客车上,这些常见的故障问题不仅仅会缩短汽车的使用寿命,同时还会对驾驶人员与同乘人员的生命安全造成严重威胁。本文重点就汽车电气系统故障的诊断维修技术进行了分析,同时提出了科学有效的解决措施。     

Multi-model ensemble deep learning method for intelligent fault diagnosis with high-dimensional samples

Frontiers of Mechanical Engineering - Deep learning has achieved much success in mechanical intelligent fault diagnosis in recent years. However, many deep learning methods cannot fully extract...     

小样本下混合自注意力原型网络的风电齿轮箱故障诊断方法

针对部分风场因有标签故障样本数据稀少而导致风电齿轮箱故障诊断准确率不高的问题,提出了一种小样本下混合自注意力原型网络的故障诊断方法。首先,通过原型网络将振动信号映射到故障特征度量空间;然后采用位置自注意力机制和通道自注意力机制进行矩阵融合构建混合自注意力模块,建立原始振动信号的全局依赖关系,获取更具判别性的特征信息,学习风电齿轮箱各健康状态下的度量原型;最后通过度量分类器进行模式识别,实现小样本条件下风电齿轮箱的故障诊断。实验结果表明,所提出的混合自注意力原型网络故障诊断方法在不同小样本数据集上均能实现风电齿轮箱高精度故障诊断。     

Application of infrared thermography and extension recognize method to intelligent fault diagnosis of distribution panels

Distribution panels are an important piece of equipment in power systems. Maintaining a loading panel and ensuring security are not easy because the power supply cannot be interrupted in high‐tech factories. Distribution panels need fully functional condition monitoring and fault diagnosis systems to prevent accidents and reduce maintenance costs. In this paper, a new scheme is proposed to design an auto‐diagnosis tool for electrical distribution panels using infrared thermography to build diagnostic features using the matter‐element model. The paper then presents an extension recognize method (ERM) based on extension theory to diagnose the abnormality element by using degrees of correlation between the tested pattern and the matter‐element models that have been built up. Test results show that the proposed method can not only recognize the main defect element of the tested panel but also detect useful information for future trends and multi‐defect analysis by the correlation indexes. This new approach merits more attention as a tool to be used in the defect recognition problems of distribution panels, especially in high‐tech factories in Taiwan. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于LMD盒维数与PNN的往复泵声发射故障诊断

针对往复泵泵阀故障诊断,提出使用声发射技术对往复泵泵阀进行故障信号采集。利用局部均值分解(LMD)对非线性声发射信号处理和分形盒维数对非线性信号定量描述的特点,首先对故障信号进行LMD处理,得到含有故障特征的PF分量,然后算出各PF分量的盒维数,通过比较分析盒维数进行故障诊断,最后将各PF分量的盒维数作为特征向量输入概率神经网络(PNN)进行模式识别。通过实验分析,证明该方法对往复泵泵阀故障诊断是有效可行的。     

基于CEEMD和谱峭度的轴承故障诊断

针对共振解调在滚动轴承故障诊断应用中带通滤波器参数选择困难的情况,提出一种互补总体平均经验模态分解方法(CEEMD)与谱峭度相结合的轴承故障诊断新方法。通过实际信号验证了该方法的可行性与准确性。