无监督领域自适应轴承故障诊断方法研究

针对基于深度学习的轴承故障诊断算法在不同工作条件和真实环境中故障样本缺乏标记的情况下诊断效果不佳的问题,提出了一种无监督的领域自适应轴承故障诊断方法,实现在无监督的情况下对不同工况的轴承进行故障诊断。首先,用快速傅里叶变换对数据进行预处理,并用卷积神经网络提取轴承故障的特征。然后,通过生成对抗网络中反转标签的方法使源域和目标域输出的特征分布趋同。最后,使用源域的分类器完成不同工况下的轴承故障诊断任务。为验证该方法有效性,在美国凯斯西储大学轴承数据集和德国帕德博恩大学轴承数据集上开展验证实验。验证结果表明,可使用无标签的目标域数据完成迁移任务,在两个数据集上表现出了较好的迁移效果,取得较高的诊断准确率。

基于多尺度知识蒸馏与增量学习的滚动轴承故障诊断方法

为了缓解单任务轴承故障诊断方法在不同工况诊断时产生的灾难性遗忘问题,提出一种基于多尺度知识蒸馏与增量学习(multi-scale knowledge distillation and continual learning,CL-MSKD)的滚动轴承故障诊断方法。以一维卷积神经网络作为CL-MSKD主要框架,余弦归一化层作为多任务共享的分类器,通过标签与特征两个尺度的知识蒸馏实现模型知识的保存与传递。CL-MSKD能够以一个统一结构的网络模型对在不同工况下的轴承故障进行诊断,通过知识压缩方法不断地学习和保存知识,最终缓解增量阶段产生的灾难性遗忘问题,提升跨工况场景下轴承故障诊断性能。试验表明,CL-MSKD能够有效缓解灾难性遗忘并保持良好的诊断效果。在任务环境差异较大的情况下,准确率指标仍能达到97.09%,与其他增量方法相比稳定性更好,精度更高。

基于双通道CNN与SSA-SVM的滚动轴承故障诊断

为有效提取滚动轴承故障信号特征,解决分类器对提取特征存在较强依赖的问题,本文提出了一种双通道特征融合卷积神经网络(CNN)与麻雀搜索算法优化的支持向量机(SSA-SVM)相结合的滚轴承故障诊断方法.通过建立一维卷积神经网络和二维卷积神经网络并行的双通道结构对轴承数据中的特征进行提取,并将双通道CNN提取到的故障特征在融合层融合,将全连接层结果作为SSA-SVM分类层的输入.通过SSA对SVM的参数进行优化来提高模型的分类精度.最后,在凯斯西储大学轴承数据集上将双通道CNN与SSA-SVM模型跟传统一维卷积神经网络和二维卷积神经网络进行对比以验证其有效性.实验结果表明,该模型有着更高的故障识别准确率.本文中所有代码与实验结果均已开源,可在https://github.com/suisuisuiaa/tbysuisui获取.

基于YOLOv5和ConvNext的钢铁表面缺陷检测研究

为解决工业钢铁表面缺陷检测速度慢、准确度低问题,提出一种基于改进YOLOv5网络的检测方法。在YOLOv5网络的FPN特征金字塔模块中加入ECANet模块,以提高检测精度;利用K-Means算法在NEU-DET数据集上重新聚类,生成3组新的先验框,降低网络损失;针对钢铁缺陷的小目标特征,将ConvNext网络应用到YOLOv5的主干网络中,用ConvNext网络提取小目标缺陷特征,增强模型学习能力。实验结果表明,改进后的YOLOv5模型与原YOLOv5模型相比,mAP提升了3.84%,平均检测速率为36.9 frame/s,能够做到快速和准确的检测,满足实际应用需求。

基于改进VMD与BiLSTM的滚动轴承剩余寿命预测模型

为提取能表示滚动轴承寿命退化的深层特征,用变分模态分解算法(Variational Model Decomposition,VMD)分解轴承的横向振动信号。为了解决VMD中需要手动选取惩罚因子α及模态分量数目K的问题,用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD进行了优化,以提取出更能代表寿命变化的特征。在此基础上,将筛选的特征输入到双向长短时记忆(Bi-directional Long Short-Term Memory,BiLSTM)网络中进行剩余使用寿命预测。通过实验并与其他深度模型进行对比,该文提出模型的均方误差等指标均比其他几种模型更低,证明了该文模型在轴承剩余使用寿命预测上的有效性。

基于物联网的太阳能光伏面板自动清洁系统研究

处于室外环境的太阳能光伏面板容易积聚灰尘、水滴等异物,这会影响太阳能光伏面板的发电效率,对此,文章设计一种基于物联网的太阳能光伏面板自动清洁系统。该系统由太阳能光伏面板管理节点、物联网网关节点、上层应用组成。系统可以依据用户设定,运行自动或手动模式。在自动模式下,清洁设备依据光伏面板上灰尘、水滴的积聚情况,自动开启相应的清洁设备;在手动模式下,用户可以依据需要控制光伏面板的清洁设备。系统原型运行表明,该系统可以实现太阳能光伏面板的自动清洁,提高光伏面板的发电效率。

基于卷积神经网络与CatBoost的轴承故障诊断算法

使用一般诊断算法对滚动轴承进行故障排查时,需要对数据进行特征提取,而在其特征提取过程中存在数据量庞大、手动提取和选择受限的问题,为此,提出了一种基于卷积神经网络(CNN)与CatBoost的混合分类模型(方法),以进行轴承的故障诊断。首先,将预处理后的数据经过CNN提取的特征作为输入量,输入到该模型中,提取了训练后输出的模型参数;然后,使用CatBoost方法对滚动轴承数据集进行了分析,进一步研究了不同学习模型在同一数据集下对分类精度的影响;最后,通过降低过拟合的风险,运用4种相关系数指标进行了对比实验,研究了CNN-CatBoost混合分类模型对滚动轴承故障数据的分类效果。研究结果表明:基于CNN与CatBoost方法进行轴承故障诊断的平均准确率达到98%以上,该方法的有效性得到了验证;采用少量的数据训练样本即可达到较好的轴承故障数据分类效果,与单一深度学习模型和一些典型机器学习模型相比,该模型具有更好的性能。

基于AMCNN-BiGRU的滚动轴承故障诊断方法研究

为克服传统滚动轴承故障诊断方法需要人工提取特征的缺点,提出一种基于注意力模块的卷积神经网络-双向门控循环单元的滚动轴承故障诊断方法。该方法利用下采样后的原始振动信号作为输入,通过具有两种不同核大小的并行卷积块从采样后的数据中提取特征,并使用注意力模块对提取的特征进行加权融合处理,最后将具有不同权重的特征输入到双向门控循环单元进行故障分类,从而实现端到端的诊断。为了理解所提出模型的诊断过程,对所学习的特征进行可视化,分析发现模型可以有效映射不同类型的故障。经试验表明,该模型使用下采样后的原始数据有效缩短了网络的训练时间,同时还可以保持100%的诊断准确率。

基于压缩感知的网络数据传输高密度医疗信息安全存储方法

针对医疗信息存在存储空间不足和信息容易泄露的问题,研究基于压缩感知的网络数据传输方法,提出一种高密度医疗信息安全存储方法。将压缩感知应用到医疗数据存储,能有效地降低存储空间的需求,并增加数据的安全性。首先基于压缩感知构建了网络数据传输模型,然后再传输模型的基础上构建医疗信息安全存储方法,最后利用仿真实验来高密度医疗信息安全存储方法的性能。结果表明模型方法的传输延迟平均耗时为29.83 s,比传统方法低11.83 s,同时模型方法的重构误差平均值为3.92%,也比传统方法低4.69%。这验证了模型方法在医疗信息安全存储中具有很高的性能,旨在为医疗信息管理和安全存储提供有力支持。

基于物联网的社区智慧医疗系统研究

随着人们生活水平的提高,享受便捷、高效、安全的医疗服务成为人们的基本需求。社区医疗直接面向社区民众,具有反应时间快、服务群众多的特点,特别是对群众慢性病、老年人健康监控方面具有独特优势,是国家医疗服务体系中的重要一环。但现有社区医疗系统,具有人力投入不足、服务效率低等问题。提出基于物联网技术的社区智慧医疗系统。该系统利用物联网技术,在家居环境部署医疗传感器网络,感知和监测人体的体征相关数据;每户传感器网络采集的人体健康监测数据汇聚传输到社区医疗数据存储数据库,医护人员、群众、家属可以通过因特网、手机等多种方式访问被监测对象的健康监护信息;当数据发生异常时,立即向家属、医生、急救中心发送报警信号,为抢救赢得宝贵时间;医生也可依据健康监控数据,为用户的健康情况提出建议和咨询服务。基于物联网的社区智慧医疗系统,可以为人们提供日常的健康监护,提高医疗资源的合理配置效率,对及早发现病情、老年人和慢性病人监控、急救报警等方面具有重要意义。

基于模拟退火遗传算法的网络编码优化研究

网络编码技术能够减少数据传输次数,提高网络吞吐量和传输效率。但使用网络编码后,节点需要增加额外的编码操作,增加了节点的复杂度和开销。本文提出基于模拟退火遗传算法的网络编码优化算法SAGAS。SA-GAS引入基于模拟退火的个体接受机制,保证种群在遗传进程中的多样性,避免种群陷入局部最优。在遗传操作中,SAGAS利用网络转移矩阵指导染色体的遗传操作,避免无效遗传操作,提高算法的收敛速度。仿真结果表明,与标准遗传算法相比,本文提出的算法能够在更短的时间内寻找到更少编码边的网络编码方案。

基于物联网和云计算的工业废气监控系统研究

工业企业由于生产工艺等因素制约,在生产过程中容易产生大量污染气体,对生态环境、居民健康具有较大影响。提出基于物联网和云计算的工业废气智能监控系统。该系统利用物联网技术,感知和监测工业废气数据;利用云计算技术,存储和处理采集得到工业废气数据;利用数据挖掘技术,对采集到的大量工业废气数据进行分析与挖掘,寻找工业废气数据的规律,为污染气体控制与治理提供决策支撑。

基于跨层网络编码感知的无线传感器网络节能路由算法研究

编码感知路由可以发现路由中的网络编码机会,减少数据传输次数,提高网络吞吐量,是近年来路由算法研究的一个热点.当前编码感知路由存在编码条件失效、未考虑节点能量的问题,不适合直接应用于无线传感器网络.本文提出基于跨层网络编码感知的无线传感器网络节能路由算法CAER（Cross layer coding Aware Energy efficient Routing）.提出并证明了修正后的网络编码条件,以解决编码条件失效问题.基于跨层思想,将网络编码感知机制与拓扑控制、覆盖控制结合,挖掘潜在编码机会.提出综合考虑节点编码机会、节点能量的跨层综合路由度量CCRM（Cross layer Coding aware Routing Metric）.仿真结果表明,相比现有编码感知路由,CAER能够提高网络编码感知准确性,增加网络编码机会数量5%-15%,延长网络生存时间8%-12%.

质量管理工具在患者满意度调查结果分析中的运用

目的探讨质量管理工具在患者满意度结果分析中的应用效果。方法运用柏拉图对2013年1-3季度患者满意度调查结果进行分析,找出优先解决的关键问题,整改后第四季度再予效果评价;运用推移图对全年满意度调查结果进行总体分析,找出薄弱时间点。结果经过整改,第四季度患者满意度调查不满意条目频次由前三个季度平均340频次降至45频次;第四季度满意度为全年最高;从推移图可看出全年变化趋势。结论柏拉图能迅速识别需首要解决的问题,推移图可对事件发展进行全局把握。质量管理工具能帮助护理质量管理工作把握现状、抓住重点,值得在护理质量管理中广泛应用。

卫星网路由分布式仿真系统研究与构建

卫星网路由算法是卫星网研究的重点和关键。路由算法仿真系统可以模拟路由算法的运行并给出运行结果,为路由算法的改进提供了依据,降低了开发成本。提出了一种基于Netfilter和Agent的卫星网路由算法分布式仿真系统(Distributed Simulation System based on Netfilter and Agent for Satellite Network Routing Algorithm,DSNASNRA)的构建方法。该仿真系统具有分布式、可扩展、界面友好、可直观模拟卫星间无线通信链路特性等特点。最后给出使用该方法构建的一个卫星网仿真系统的软件实现。

一种基于Agent的Ad hoc网络路由算法

Ad hoc网络因其具有分布式、无中心、自组织、节点可以移动等特点,在军事通信、灾后紧急救援、传感器网络、局域网、车辆通信等方面有着广阔的应用前景,成为研究领域的一个热点。但同时由于Ad hoc网络拓扑结构的动态变化,使得作为Ad hoc网络关键技术之一的路由算法的实现较为困难。提出了一种基于Agent的Ad hoc网络路由算法,设计并实现了4种Agent。该算法通过在Ad hoc网络中加入一定数量的移动Agent来进行路由探寻,一方面降低了网络负载,另一方面降低了网络发送数据的时延。其实质是在现有的表驱动路由算法和按需驱动路由算法之间寻求一个折中。

多角形拇趾腓侧皮瓣塑形第二足趾再造拇、手指的护理体会

目的:总结22例多角形拇趾腓侧皮瓣塑形第二足趾再造拇、手指的术前术后护理。方法:对22例患者做好术前常规准备、心理护理及供受区皮肤准备,术后做好体位护理、再造手指微循环变化的观察,及时发现、处理血管危象,指导功能锻炼。结果:本组22例25指,经过术后精心护理,未发生血管危象,全部顺利成活。结论:显微手指再造术后护理相当重要,发现问题不及时、护理处理不当可导致再造手指失败,术后恢复期护理指导患者功能锻炼,对促进功能恢复相当重要。

基于大学生创新性实验的医学生科研能力培养体会

结合指导的大学生创新性实验,从组建团队、自主选题、撰写申请书、实验操作到结题,对实验过程中医学生创新能力、科研能力的培养,以及指导教师的作用进行总结、分析,为该教学模式的开展提供参考。

实践创新项目驱动物联网综合实训教学模式研究

针对《物联网综合实训》课程特点,提出采用实践创新项目驱动模式组织教学,并阐述了实践创新项目驱动教学的含义以及具体实施过程。实践证明,实践创新项目驱动教学模式在提升学生动手实践能力和团队协作能力方面有很大成效,在学科竞赛等方面取得一定成果,对实践教学质量和学生动手能力提高具有实际意义,同时对其它实践课程教学具有一定借鉴意义。

基于安卓的智能家居移动终端设计

智能家居可以为人们提供舒适、安全、便捷的生活环境,是物联网技术的典型应用。随着移动终端和移动通信技术的迅猛发展,随时随地掌控家居环境成了智能家居的基本要求。基于安卓平台,设计了智能家居移动终端。该软件可以通过无线通信网络,实现对家居设备随时随地的智能监控与控制,提高智能家居系统使用的便捷性。