压缩感知字典迁移重构的小样本轴承故障诊断

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数,获取故障内在信息;之后采用少量目标域信号微调共享表示系数,并更新源域字典生成迁移字典;最后通过共享表示系数和迁移字典生成大量具有目标域特征的新样本,实现数据增强。采用常用的深度故障诊断网络对该数据增强算法进行了诊断性能验证,结果表明该方法产生的信号具有故障的有效信息,用于模型训练和识别能够取得较好的诊断性能。该方法为小样本故障诊断问题提出了新的思路。

自监督学习结合对抗迁移的跨工况轴承故障诊断

轴承智能故障诊断应用中,由于实际工况复杂多变,极难获得足够的真实故障数据,且目标域和源域信号存在较大差异,导致深度模型的跨工况迁移识别也出现特征提取及分类困难、模型泛化性弱。考虑到目标域存在大量无标签数据,引入无监督思想,提出基于自监督学习结合对抗迁移的改进方法。首先根据信号本身特点创建辅助任务,对大量无标签数据学习,建立源域与目标域故障类别之间的内在联系;再通过对抗域适应和联合最大平均差异将源域知识迁移到目标域中,结合辅助任务优化两域差异,最终实现目标域准确的故障分类。用2个公开的轴承数据集上验证了所提方法的性能,实验结果表明,所提方法的故障诊断识别准确率在多数情况下均高于98%。

基于改进Transformer的滚动轴承剩余寿命预测方法

针对现有的滚动轴承剩余使用寿命预测方法存在预测准确度不足、训练效率不高等问题,提出一种时频分析结合改进Transformer的轴承剩余使用寿命预测方法。首先用短时傅里叶变换提取轴承的时频特征,为了改善Transformer的特征提取能力,研究了基于膨胀因果卷积的可变长度数据分析结构,并设计了自适应位置编码模块替代Transformer的传统编码方式,改进的模型增强了对时频数据的分析能力,实现了高效、准确的端到端的滚动轴承剩余寿命预测。在PHM2012轴承数据集上的实验结果表明提出的方法的效率比LSTM高20%,同时预测精度相比于多种现有传统方法均具有16%以上的提升。

基于BIM的建筑施工质量信息表达与管理方法

在实际建筑施工过程中,为了保证施工单位对施工活动的有效管理,施工单位会根据预先设置的分区分段工程进行施工。因此,在设计阶段向施工阶段过渡时,需要对BIM模型做深化设计,具体是将BIM模型中的构件按照施工的分区分段,根据一定规则进行切割,并归属到各分区分段。然而,目前的质量数据信息还无法准确与细分的分区分段部分进行匹配,容易产生施工现场数据碎片化的问题。本研究基于BIM模型分割和工作分解结构(WBS)编码规则,针对某项目现场海量的多源异构数据,提出了一种基于数字孪生的施工质量信息管理方法,包括质量数据采集,BIM模型分割和数据关联步骤。该方法有效实现了现场采集的质量数据与对应BIM施工区段的关联,预期能够高效地管理现场施工质量数据,有效提高了现场质量管理水平和效率。

深度卷积长短期记忆网络的轴承故障诊断

针对传统数据驱动故障诊断方法难以从轴承信号中自适应提取有效特征、没有充分利用故障数据的时序特点以及缺乏自适应处理动态信息能力的问题,提出了一种深度卷积神经网络与长短期记忆网络相结合的智能故障诊断方法。本文方法构建的深度模型能够从轴承原始信号中自适应地提取鲁棒性特征,然后利用长短期记忆网络学习特征中的时间依赖关系实现了高准确度的轴承故障诊断。该方法克服了传统特征提取方法依赖专家经验和信息利用不完全等问题,实现了故障的智能、准确诊断。实验结果表明,该方法可以提取更准确的特征而且由于利用了故障演变过程中的时序信息,使得故障诊断更加智能、可靠。

类别标签辅助改进稠密网络的变工况轴承故障诊断

基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳。将域适应引入轴承故障诊断过程中,基于迁移学习提出了一种特征空间域和标签概率分布同步适应的迁移学习网络。该网络将一维稠密卷积网络及注意力机制融合实现复杂故障特征的自动提取;域适应处理通过联合最小化特征概率分布差异和标签概率分布差异来约束网络学习域不变特征;最终对变工况滚动轴承故障实现了高准确度的识别。实验结果表明了该方法的可行性及良好的性能。

基于深度迁移学习的复杂环境下油气管道周界入侵事件识别

长输油气管道沿途运行环境复杂,传统方法中假设的标准样本与实际样本分布一致的前提遭到破坏,导致单一的识别模型在不同环境下对入侵事件识别准确率降低。为了改善识别模型偏差问题,提出一种基于域不变特征深度迁移学习的管道入侵事件识别方法,通过堆叠稀疏自编码网络实现不同环境条件下的入侵事件自适应特征提取,并引入迁移学习实现复杂环境中入侵事件的准确识别。该方法通过场景差异性评测,缩小复杂真实场景与典型场景间分布差异,获得有效的域不变模型。实验结果表明,所提方法能明显改善复杂环境下油气管道入侵事件识别效果,提高识别准确率。

残差卷积自编码网络无监督迁移轴承故障诊断

深度学习类轴承故障智能诊断研究中,一般会假设训练数据与测试数据同分布且典型故障样本充足,而实际工况复杂多变,难以获得大量标签数据。将残差学习引入卷积自编码,并结合迁移学习,提出了基于残差卷积自编码无监督域自适应迁移的故障诊断方法。堆叠一维卷积自编码进行特征提取,通过残差学习避免过拟合,提高学习效率;融合多层多核概率分布适配来约束网络学习域不变特征;实现了基于无监督域自适应迁移学习的故障诊断,并获得了较高准确率的识别结果。采用凯斯西储大学轴承数据集进行验证,结果证明了所提出方法的有效性,此外还对主要参数及其影响进行了探讨并给出了对比结果。

改进稠密块轻量化神经网络的管道泄漏孔径识别

深度神经网络的管道泄漏孔径识别方法虽然识别率高,但因结构复杂造成参数量大、内存占用大,极大地限制了其在资源有限的工业环境及实时处理中的应用。提出一种优化卷积改进稠密块的轻量化神经网络用于管道泄漏孔径识别。首先将深度可分离卷积与异构卷积结合,构造了新的多卷积稠密块实现泄漏信号的特征提取;之后采用卷积注意力机制对特征进行权重划分,实现特征的重要性区分;最后通过分类器获取结果。实验结果表明,本文方法识别准确率达到了96.59%,参数量仅为781 KB。本文方法在保证高识别准确率的同时,参数量及浮点数大幅下降,训练时间也有所减少,改善了实时响应能力,对于实际工业监测应用有指导意义。

压缩感知结合卷积网络的天然气管道泄漏孔径识别

针对传统天然气管道泄漏孔径检测面临的原始数据冗余性大、特征选取主观依赖性强以及复杂环境下识别准确率低等问题,提出了一种将压缩感知与深度卷积神经网络相结合的泄漏孔径识别方法。首先利用随机高斯矩阵对原始泄漏信号进行压缩采集,以较少的压缩感知域数据获取全部泄漏信息;然后构建深度一维卷积神经网络,将压缩采集数据送入网络中实现自适应特征提取及高准确度泄漏孔径识别;还对主要参数的影响进行了深入的分析。实验结果表明,该方法能够快速、准确地实现天然气管道泄漏孔径识别,且在低信噪比环境下具有较好的鲁棒性,总体识别效果优于传统的分类方法。

基于小波包字典优化的旋转机械振动信号压缩感知重构方法

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构,而传感器网络节点资源受限,针对这一问题提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法结合小波包多分辨率分析及K-SVD字典训练方法,提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法,提高稀疏度。根据旋转机械振动信号自身特征,提出用块稀疏贝叶斯学习最大期望值算法,代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明,该方法相对于传统的压缩感知方法重构性能明显提高。

血浆同型半胱氨酸及MTHFR基因多态性与颅内动脉粥样硬化的相关性研究

目的评价血浆半胱氨酸(Hcy)及亚甲基四氢叶酸还原酶(MTHFR)C677T基因多态性与非心源性脑梗死患者颅内动脉粥样硬化性大血管病变(LVD)的关系。方法共纳入非心源性脑梗死患者552例,测定血浆同型半胱氨酸浓度、MTHFR C677T基因型、脑核磁共振及核磁共振脑血管成像造影,以评价颅内动脉狭窄-闭塞程度和数目积分(LVD积分)。结果纳入552例脑梗死患者中,MTHFR C677T基因型中CC基因型148例(26.8%),CT基因型293例(53.1%),TT基因型111例(20.1%),基因型分布符合Hardy-Weinberg遗传平衡(χ2=2.371,P>0.250);合并颅内动脉狭窄342例,无颅内动脉狭窄210例,颅内动脉狭窄组血浆Hcy浓度显著高于无颅内动脉狭窄组(t=10.502,P=0.032),组间MTHFR C677T基因型分布有显著性差异(χ2=7.066,P=0.039),多元回归分析显示,高Hcy血症为急性脑梗死患者存在颅内动脉狭窄的独立危险因素(OR 1.650,95%CI 1.123~3.021,P=0.034),MTHFR C677T的TT基因型并非为颅内动脉狭窄的独立危险因素(OR 1.015,95%CI 1.010~2.532,P=0.079);MTHFR C677T不同基因型组间血浆Hcy浓度有显著性差异(F=7.283,P<0.001),LVD积分无显著性差异(F=2.993,P=0.067),血浆Hcy浓度与颅内血管LVD积分呈正相关关系(r=0.365,P=0.009),高Hcy血症与颅内动脉LVD积分相关(OR 1.531,95%CI 1.172~1.463,P=0.040)。结论高同型半胱氨酸血症与颅内动脉LVD具有相关性,MTHFR C677T基因多态性与高同型半胱氨酸血症有相关性,但与颅内动脉动脉粥样硬化无相关性。

模糊粒化非监督学习结合随机森林融合的旋转机械故障诊断

在旋转机械的智能故障诊断中,复杂网络结构的非监督学习方法调节参数多,训练时间长,而结构简单的网络诊断准确率不够理想。针对以上问题,采用模糊信息粒化和稀疏自编码器搭建并行结构的学习网络,并行结构的稀疏自编码器同时对粒化后重新构成的多个有效参量信息自适应的进行特征提取,随后使用随机森林方法对提取的特征进行融合分类。实验结果表明该方法可以有效实现高精度故障诊断;且与常用的串行多网络处理结构相比,降低了网络参数调节的复杂度和多层网络的前后影响,并且提高了诊断精度,减少了训练时间。

多域信息融合结合改进残差密集网络的轴承故障诊断

针对滚动轴承原始时域信号信息单一、深度卷积神经网络提取的特征对信息的传递存在差异等问题,该研究提出了一种多域信息融合与改进残差密集网络的轴承故障诊断方法。为了获取故障的多方面信息,先对原始数据进行多域变换,再将融合信息输入经卷积注意力改进的残差密集网络进行深度学习。经注意力机制改进的网络能够实现对提取特征的重要性区分,提高网络的训练速度、改善识别准确率。试验结果及对比分析表明该算法可以提取较为全面的特征,较传统方法具有更好的识别效果。

苏州社区成人尿微量白蛋白/尿肌酐比值的调查分析

目的调查分析苏州社区人群成人尿微量白蛋白/尿肌酐比值(UACR)的分布以及异常率,为慢性病的防治提供理论基础。方法选取2017年7月—2020年1月,在苏州高新区横塘、浒关、阳山、镇湖、狮山、通安、东渚7个医联体社区建档的社区成人居民,共收集14350名。检测所有人的随机尿微量白蛋白、尿肌酐值,并计算UACR值。比较不同年龄组、不同性别UACR分布的差异,不同年龄组、不同年份人群UACR异常率的差异。结果不同年龄组人群UACR值比较,差异有统计学意义(P<0.05)。进一步两两比较,70~<80岁组、≥80岁组UACR值与其他年龄组比较,差异有统计学意义(P<0.05)。同年龄组女性UACR水平高于男性,差异有统计学意义(P<0.05)。不同性别各年龄组UACR值比较,差异有统计学意义(P<0.05)。不同年龄组UACR异常率比较,差异有统计学意义(P<0.05)。2017—2020年UACR异常率比较,差异有统计学意义(P<0.05)。结论UACR值的分布与性别和年龄都有密切关系,重点关注本地区50岁以下和70岁以上人群的疾病变化,同时关注每年数据变化,加强肾脏早期损害的筛查防治。

纳米二氧化硅对矿粉-水泥体系物理力学性能及水化微结构的影响

研究了2%掺量纳米二氧化硅(Nano-silica,NS)对纯水泥体系和矿粉-水泥体系抗压强度和凝结时间的影响,并利用X射线衍射分析(XRD)、差热分析(DSC-TG)、扫描电镜(SEM)、压汞法(MIP)等测试手段探究其作用机理。结果表明,由于NS表面活性较高,其掺入可显著促进两种胶凝体系早期水化,明显缩短凝结时间并提高早期强度,且NS对矿粉-水泥体系1、3、7 d强度的提升效果均优于纯水泥体系。矿粉的微填充效应和活性效应可显著提高胶凝体系28 d的致密度,进而提升其28 d强度。矿粉与NS二者复合可有效弥补单掺矿粉带来的早期强度损失。

The Characteristics and Pragmatic Strategies of English Euphemism

Some words may cause embarrassment in daily communication,and euphemism is a language type to avoid embarrassment.Euphemism is widely used in English expression.On the basis of exploring the characteristics of English euphemism in times,regionalism,register,and nationality,this paper discusses in detail the pragmatic functions of English euphemism from four dimensions,namely taboo,politeness,positivity,and concealment,in order to provide guidance for the proper use of English euphemism.

腾讯北京总部大楼项目综合施工技术

"腾讯北京总部大楼项目综合施工技术"项目作为2019年"华夏建设科学技术奖"三等奖获奖项目,主要以腾讯北京总部大楼项目为依托,针对项目施工重难点进行一系列技术创新及科技攻关,形成了腾讯北京总部大楼项目综合施工技术,该综合技术首次提出81m大悬挑复杂空间结构有支撑悬伸推进施工技术、复杂超限结构信息化施工技术等12项创新技术,并在腾讯北京总部大楼项目施工过程中成功应用,在质量、安全、工期、绿色施工上效果显著,也为其他类似项目起到示范作用,具有显著的社会效益和经济效益。本篇主要介绍该项目立项背景、科学内容、创新点、应用情况及社会效益等。