基于RF与D-S证据理论融合的多通道齿轮箱复合故障诊断

针对齿轮箱复合故障特征难于提取,诊断缺乏自动识别性,且单通道往往无法全面表征故障信息等问题,提出一种基于随机森林与证据理论相融合的多通道齿轮箱复合故障诊断方法。首先通过小波包变换对各通道复合故障信号进行分解,得到故障信号的特征向量;之后引入一种新的特征集组合框架构建针对不同故障的特征数据集,通过随机森林算法划分单个分类模型;接着综合考虑各分类模型,合成每个通道下的集成分类器,并提出一种新的迭代自更新策略不断完善分类器的性能;最后设计一种基于Lance距离的改进D-S证据理论算法,该算法采用Lance距离来度量各空间证据间的证据距离,并构造Lance矩阵,由此获得相似度矩阵来衡量各证据体间的相似程度和支持度,通过计算各通道的敏感度权重系数进行BPA修正,获得最终的诊断融合结果。通过齿轮箱试验平台进行算法验证,结果表明该方法能有效识别出复合故障中包含的每类故障,并能全面融合不同通道的故障冗余信息,实现齿轮箱复合故障的精确诊断。

基于双流生成对抗网络数据增强的风电机组智能故障诊断

针对实际工况下风电机组故障数据难以获取,现有数据增强方法对1维数据特征提取效果不佳的问题,提出一种基于双流生成对抗网络(DSGAN)的小样本智能故障诊断方法。设计了一种新的双流网络,通过深度特征提取流与时间特征提取流对风电机组故障数据进行深度与时间双特征提取。提出一种全局特征引导的自适应加权融合(GFG-AWF)模块对提取的双特征进行融合,并通过引入对抗生成思想,设计DSGAN完成小样本数据的增强。构建基于增强数据集辅助的双流诊断网络实现故障分类识别。利用轴承试验台数据与实际风电机组运行数据对所提方法进行了验证,最终诊断准确率达到98%,表明所提方法可以有效解决小样本的故障诊断问题。

VanillaFaceNet:一种高精度快速推理的牛脸识别方法

快速精准确定牛只身份对于牛只活体贷款,改善牛只骗保等问题具有重要意义。针对不同牛只面部差异小,FaceNet网络层数深,推理速度较慢,模型分类精度不足等问题,该研究提出了基于FaceNet的牛脸识别方法-VanillaFaceNet。该方法首先将FaceNet的主干特征提取网络替换为极简网络VanillaNet-13并提出动态激活和增强型线性变换的激活函数两种方法提高网络的非线性;然后,提出一种新的DBCA(dual-branch coordinate attention)注意力模块,能够更好地反映不同牛只面部特征之间的差异,从而提高网络的识别精度;最后,针对triplet loss仅能减小牛只类间差异的问题,采用center-triplet loss联合监督来减少牛只类内差异,从而提高了相同牛只身份比对的准确性。基于自建的牛脸数据集对该模型进行训练和测试,试验结果表明,VanillaFaceNet对牛只识别的准确率达到88.21%,每秒传输帧数为26.23帧。与FaceNet、MobileFaceNet、CenterFace、CosFace和ArcFace算法相比,本文算法的识别准确率分别提高了2.99、9.58、6.26、3.85和4.49个百分点,推理速度分别提升了2.67、0.77、0.10、1.28和0.94帧/s。该模型对牛只有较为优秀的识别效果,适于在嵌入式设备上部署,实现了牛只面部识别精度和推理速度之间的平衡。

一种场景自适应的双分支牛脸高效识别算法

随着智慧牧业的高速发展,牛脸识别已成为牛场智能化养殖的关键,但牛场养殖环境复杂且动物的自主能动性差,导致牛脸数据采集与识别过程会受到模糊、遮挡和光照等环境因素的严重干扰.针对此问题,提出一种复杂场景自适应选择双分支牛脸高效识别算法.该算法首先设计了基于像素融合的数据增强策略,通过Beta分布计算融合系数,将牛的左右脸图像按融合系数进行像素级整合,在丰富样本特征信息同时,增强网络学习模糊和遮挡下的牛脸特征,提升网络对复杂场景的泛化能力;其次,在主干特征提取网络中引入一种新型注意力机制CDAA(Composite Dual-branch Adaptive Attention),可随着场景信息变换,自适应加强通道与空间注意力分支的权重,提高网络在复杂场景下的特征筛选能力;之后,设计FaceNet与U-LBP(Uniform Local Binary Patterns)结合的双分支特征提取结构,并将提取的特征向量实现自适应加权融合,增加网络在过亮或过暗环境下的鲁棒性;最后,在损失函数中加入改进交叉熵损失(Focal Loss),根据场景信息复杂度动态调控权重系数,实现对难易分类样本自主控制.为检测算法的有效性和实时性,在特定数据集上进行消融试验,与多种典型识别算法进行对比.实结果表明,提出的算法能很好满足实时性要求,在开集测试集上准确率达到87.53%,识别速度达到108帧/s,且在复杂场景下,识别效果均优于对比网络.

基于Ghost-TiFPN的轻量化快速目标跟踪算法

针对传统孪生目标跟踪算法体量大、难以在嵌入式设备部署以及其在目标尺度变化大、有相似物干扰等条件下效果不佳的问题,提出一种新的轻量化快速跟踪(Ghost fast Tracking with TiFPN and Retriever,GTtracker)算法。引入Ghost机制,对Resnet网络进行重新设计,构建一种轻量化G-Resnet网络对跟踪目标进行快速特征提取。设计轻量自适应加权融合(Tiny adaptive weighted fusion algorithm Feature Pyramid Network,TiFPN)算法,进一步加强特征信息的融合,解决相似物干扰问题。设计一种轻量化区域回归网络(Ghost Decoupled Net,GDnet),以实现目标分类、交并比(Intersection-over-Union,IoU)计算以及边界框回归,并在跟踪阶段应用一种新的目标寻回器提升算法跟踪的成功率。在OTB100数据集和VOT2020数据集上进行算法验证,并移植算法到嵌入式设备Jetson Xavier NX上进行性能测试。实验结果均表明算法的有效性和优越性,相比经典孪生目标跟踪(SiamCAR)算法,新方法在精度和期望平均重叠率(Expected Average Overlap,EAO)指标均相似的前提下,能够实现更快的运行速度,可在Jetson Xavier NX上实时运行,达到30帧/s,且能有效解决相似物干扰、尺度变化大等问题。

“电磁场理论”课程思政教学设计与实践研究

针对“电磁场理论”课程思政教学目标导向性不足、思政内容融入不深、思政教学考核缺乏指标等问题,设计了具有时代特色的思政元素,并将其深度融入课程教学内容中。在此基础上,设计了“以学生为中心”的思政与专业双闭环动态教学模式,建立了知识掌握、能力提高与价值塑造“三位一体”的多维度考核与评价方式,构建了“电磁场理论”课程的思政教学体系。教学实施结果表明,课程的教学满意度、教学达成度等评价指标实现了一定的提升,较好地实现了课程的育人功能。

一种无监督双层DBN的轴承故障智能诊断方法

大型滚动轴承设备的运行环境复杂多变,以往利用模式识别建立的诊断方法,通常难以有效解决数据含有噪声,不完备、无标签等问题。因此提出一种无监督双层深度信念网络(DBN)的滚动轴承故障智能分类与诊断方法。方法利用DBN的逐层贪婪学习来挖掘与故障相关的特征信息并输入分类器。通过自适应模糊C均值聚类算法,识别未知数据中的异常值。若异常值密度聚集度低,则判定其为噪声,并以此消除分类过程噪声干扰;若异常值密度聚集度高,则判定其为一个新类别,并合并到故障知识库中。之后再将贝叶斯分类器的方法应用于二级DBN网络中,使故障损伤等级实现无监督学习。利用西储大学滚动轴承实验平台数据对此套方法进行验证,结论表明在有噪声和不完备数据建模情况下,可以很好地完成故障类型与损伤等级的准确划分,具有一定的智能性。

接地网腐蚀分块诊断的混合优化算法

为提高接地网腐蚀诊断的速度和精度,提出一种接地网分块诊断方法,采用节点撕裂的方法,将接地网自动撕裂成若干个子网络和一组自由支路,建立反映子网络等效不定节点导纳与可及节点电压和撕裂点广义节点电流之间非线性关系的多目标优化模型。求解模型的算法结合了粒子群算法和最小二乘法的优点,并提出双层粒子群的思想,充分利用粒子群算法的快速收敛性和全局寻优能力得到符合优化模型的有效解,然后利用最小二乘法确定最优解。对110kV蒲城变电站接地网的仿真测试验证了算法的有效性。

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。

蚁群算法参数优化

针对蚁群算法运行参数选取问题,提出一种利用粒子群优化算法对蚁群算法的运行参数进行优化选择的方法。将蚁群算法的运行参数作为粒子群的位置信息,在算法迭代过程中使用粒子的当前位置作为算法参数,运行蚁群算法求解标准优化问题,设计适应值评价函数对求解性能做出评价,引导粒子向着适应值高的方向趋近。仿真结果表明,该算法能够方便有效地实现对蚁群算法运行参数的优化选取。

计算机网络实验教学的改革与实践

该文结合计算机网络课程实验教学的现状和特点，针对目前实验教学体系、教学内容和教学方法等方面，围绕实验教学目标，提出了一系列实验改革与创新方法，并结合学校实际情况，逐步形成了完善的计算机网络实验教学体系。

基于蚁群算法的水下潜器全局路径规划技术研究

全局路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。文章使用蚁群算法对水下潜器三维空间全局路径规划问题进行了研究,讨论了三维空间的抽象环境建模方法,依据安全性、经济性和路径最短原则设计了算法适应值评价函数,综合利用迭代最优和全局最优信息设计了信息素更新规则,仿真结果验证了算法的正确性和有效性。

接地网腐蚀诊断的可信度分析

为更有效地利用接地网腐蚀诊断结果,提出了一种借助可测性矩阵分解进行可信度分析的方法。建立了一个新的可测性矩阵,该矩阵只与接地网拓扑结构和测试信息有关,且不需进行偏导运算,并建立了接地网非线性腐蚀诊断方程,利用高斯–若当消去法从可测性矩阵中得到支路模糊集和完全可测支路集合。提出了利用模糊集中元件诊断结果的倍率分散系数进行可信度排序的方法,并给出了这些元件诊断结果可确诊的3个判断准则。对110kV蒲城变电站接地网仿真测试验证了算法的有效性。

“新工科”背景下“电磁场理论”课程考核模式研究与实践

“电磁场理论”课程是电气类专业的学科基础课,对于培养学生应用专业知识解决复杂工程问题的能力具有重要的作用,其考核模式是检验学生学习效果、提高课程的教学效果、促进课程“新工科”建设与可持续发展的重要手段。在“新工科”背景下,针对“电磁场理论”课程考核理念目标性滞后、考核指标针对性不够、考核模式适用性不强等问题,确立了工程性考核思路,设计了多维性考核指标,构建了基于信息教育技术的“电磁场理论”课程四深融合的“新工科”课程考核模式。该模式强化了过程考核,增加了工程考核,融合了线上考核,增设了延伸考核,促进了课程高阶性、创新性和挑战度的整体提升,很好地契合了“新工科”建设,对于新形势下“新工科”建设与实践具有重要的意义。

多蚁群伪并行优化算法

针对传统蚁群算法容易出现早熟和停滞现象,提出了一种多蚁群伪并行优化算法,将蚁群分成若干个子蚁群,在各子蚁群中引入信息素平滑机制,通过设计迁移算子,使多个子蚁群并行、协同寻优,从而使算法跳离局部最优解。类比实验表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力。

一种多模型融合的风电系统永磁同步发电机数字孪生建模方法

针对当前风电系统永磁同步发电机(PMSG)建模技术存在设备内部参数理想化和系统耦合单一化的不足,无法满足数字孪生技术对设备虚拟模型要求的问题,提出一种面向数字孪生的风电系统永磁同步发电机建模方法。首先,依据实体样机参数,构建2 MW PMSG本体及电磁模型。之后为实现系统对PMSG的控制,基于联合仿真技术利用数字孪生建模平台搭建风电系统PMSG控制电路,实现多系统耦合仿真建模;在此基础上,充分考虑电机传热散热特性等影响,对PMSG热模型进行了构建与计算,并针对温度场计算流程复杂,不具备实时性等问题,引入一种改进的粒子群优化支持向量机(PSO-SVM)代理模型方法对热模型进行降阶处理并集成;最终完成了基于多模型融合的PMSG数字孪生虚拟模型建模,并采用实体风机运行数据进行验证与测试,结果表明该模型可以有效地反映PMSG真实运行特性。

IPv6下Socket网络编程的研究与实现

随着Internet的飞速发展,IETF组织提出了IPv6协议。IPv6是为适应未来对于网络基础设施的数量和质量的需求而设计的下一代互联网协议,IPv6必然会取代IPv4,开发支持IPv6的网络应用程序已经迫在眉睫。介绍了套接字(Socket)的基本概念I、Pv6的Socket API函数和Socket通信原理,并以面向连接的Socket通信协议(TCP)为例,给出了在IPv6协议下开发客户/服务器应用程序的方法,从而为IPv4的网络逐渐向IPv6网络过渡打下良好的基础,对开发基于IPv6的网络应用程序会有很大的帮助。

低温治疗急性脑梗死的临床研究进展

低温对急性脑梗死的神经保护作用已在动物实验中得到证实。动物实验研究显示,低温通过多种机制发挥神经保护作用,包括稳定血-脑屏障,减轻脑水肿,降低脑代谢率,减少兴奋性氨基酸的产生,减少微血管内细胞间黏附分子1的表达,减少自由基形成,延缓三磷酸腺苷（adenosine triphosphate,ATP）耗竭,减少钙离子内流及其继发的细胞毒性作用,减轻卒中后的细胞凋亡等[1]。近年来,

乳酸菌饮料稳定性的影响因素

乳酸菌饮料常常不能保持均匀的稳定状态,易分层和沉淀。如何解决饮料中蛋白质的稳定性是许多食品工作者以及生产厂家亟待解决的问题。就影响乳酸菌饮料稳定性的因素及防止措施等加以论述。

基于小生境粒子群优化的船舶多路径规划方法

针对船舶全局路径规划中的多路径规划问题,提出一种基于小生境粒子群优化的多路径规划方法。借鉴遗传算法求解多峰函数的思想,在基本粒子群优化算法的基础上,引入小生境生成、隔离进化和交叉算子等策略,分别采用主群粒子进行区域划分,使用子群粒子完成区域内的局部寻优,从而实现船舶多路径规划。仿真结果表明,该方法能正确、有效地规划出多条最优及次优路径。