转子分布不平衡和轴承特性参数同时辨识方法

针对转子模态动平衡的关键参数转子不平衡量和轴承特性参数难以确定的问题,提出一种基于轴承处振动响应的轴承特性参数和转子分布不平衡参数的同时辨识方法。以多项式函数描述转子质量偏心曲线,表征转子连续分布的不平衡质量;以有限元法建立转子/轴承子结构运动微分方程;采用虚功原理将连续分布的广义不平衡力转化为节点处的集中不平衡力并建立其与偏心曲线系数的关系,从而推导出轴承特性参数及质量偏心曲线系数的同时辨识方程,进而实现基于不同转速下轴承处的振动响应辨识出轴承特性参数和分布不平衡参数。以一个转子轴承系统为例进行了偏心曲线阶次对参数辨识的敏感度仿真,结果表明:偏心曲线阶次对参数辨识结果影响较小。以实测轴承处响应辨识得到的参数进行一阶模态动平衡实验,平衡后轴承处振动明显降低,验证了提出的辨识方法及其在模态动平衡中的有效性。

基于贪心组合优化的分布极端不平衡分类算法

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升.

不平衡分布的数据驱动故障诊断的研究进展

故障诊断是工业系统健康监测的重要内容,现有的数据驱动故障诊断方法多是利用类别平衡的数据集进行建模的。但在实际应用中,工业系统往往产生大量类别不平衡的样本,给数据驱动故障诊断带来挑战。这一问题受到了学术界和工业界的广泛关注,围绕该方面的研究取得了丰硕的成果。但是,目前针对不平衡分布的数据驱动故障诊断的研究进展综述相对较少,因此无法明确现实的挑战以及未来的研究方向。本文针对不平衡分布的约束问题,从数据驱动诊断方法和诊断应用场景这两个方面综述了国内外的研究进展,并提出了面临的挑战及未来的展望,为故障诊断的研究与应用提供参考。

针对样本类不平衡的深度残差网络电力系统暂态稳定评估方法

系统的量测数据可能受到噪声以及样本类分布不平衡问题的影响,导致基于数据驱动的暂态稳定评估模型性能下降。提出一种针对样本类不平衡的的深度残差网络电力系统暂态稳定评估方法。首先,利用改进过采样技术为滤除噪声的少数类样本构造所需的新样本,改善样本类不平衡问题,并减少噪声的影响;然后,基于深度残差网络构建电力系统暂态稳定评估模型,解决梯度消失导致的模型性能退化问题,提高模型的鲁棒性和准确性;最后,在新英格兰10机39节点和47机140节点系统上的仿真结果表明,所提方法能减小噪声干扰、降低不平衡数据集所带来的影响和减少计算复杂度。

高速转子分布式不平衡量无试重识别方法

为有效抑制分布式不平衡量所导致的转子故障振动,提出一种高速转子分布式不平衡量识别方法,该求解方法无需试重,且振动测试过程可在低于临界转速下进行。通过扩展影响系数动平衡方法与转子动力学模型的比较分析,得出了动力学传递函数与影响系数之间的关联关系。基于有限元动力学模型结点,实现了分布式不平衡具体描述,通过增加振动测试转速的方式,实现了动力学传递函数矩阵的满秩,进而给出了分布式不平衡量的求解公式,并在转子动平衡实验平台上进行了实例验证。结果表明,按该方法识别的不平衡量进行配重校正后,转子临界转速前后残余振动比动平衡前降幅非常明显,验证了该方法所识别不平衡量的准确性。

柔性转子的不平衡分布对摩擦振动行为的影响分析

研究了柔性转子摩擦振动的复杂行为。分析表明,不平衡分布对柔性转子的摩擦振动的行为有较大影响,具有二阶及二阶以上的不平衡分布的转子的摩擦振动矢量既可能逆转向旋转,也可能顺转向旋转;具有高阶不平衡分布的柔性转子,若在工作转速下发生摩擦振动,其振动行为可能是发散的;控制柔性转子的高阶不平衡分布是控制摩擦产生的不稳定振动的有效措施之一。

基于过采样技术和随机森林的不平衡微阵列数据分类方法研究

近年来,应用DNA微阵列技术对疾病,尤其是癌症进行诊断,已逐渐成为生物信息学领域的研究热点之一。对比其它的数据载体,微阵列数据通常具有一些独有的特点。针对微阵列数据样本分布不平衡这一特点,提出了一种基于概率分布的过采样技术,通过该技术可以为少数类建立一些合理的伪样本,从而使各类的样本数达到均衡,然后使用随机森林分类器对其进行分类。该方法的有效性和可行性已经在两个标准的微阵列数据集上得到了验证。实验结果显示,与传统的方法相比,该方法可以获得更好的分类性能。

互联网金融社交平台数据不平衡类分布问题的重采样与算法集成策略

互联网金融社交平台存在大量无关用户,致使潜在客户发掘工作面临挑战,使用重采样技术和算法集成可以解决这种不平衡类分布问题。本文整理出各种方法及其技术的优缺点,给出具体方法及代码,并证明方法的有效性。

新疆金融机构区域结构不平衡问题与对策

随着四大国有商业银行大量撤销其在新疆县域、村镇的营业网点,使得县域、村镇金融机构的数量更少,甚至有些县域、村镇出现了空白现象,使得新疆现行金融机构的结构严重失衡。因此,急需构建新疆地方金融机构体系,实现新疆地方金融机构的结构均衡。

基于样本空间分布距离的支持向量机

由于支持向量机(Support Vector Machine,SVM)在处理样本不平衡分布时会有偏向性,使少数类别的分类错误率的上界高于多数样本类别。分析总结了针对该问题当前的研究方法,并指出存在问题。研究分析针对不平衡样本SVM分类识别率的倾向性问题。考虑全局样本信息,提出了3种针对所有样本空间分布距离信息的方法。在UCI数据集上进行实验,结果证明MSEDR-SVM(Mean Sample Euclidean Distance Ratio-SVM)能够有效增加少数样本类别的F-值。从而改善标准的SVM只依靠支持向量样本构建分类超平面的局限性。

不对称电网馈线零序电流分布特征分析

小电流接地系统在正常运行时,由于线路参数不平衡的普遍存在,系统中性点将产生不平衡电压。不平衡电压在系统馈线中将产生不平衡电流,对该电流的分布特征进行研究,有助于系统故障分析。该文从理论上分析不平衡电流在系统馈线中的分布特征,从馈线的视角出发,通过戴维南定理对系统电路进行等效,得到各馈线不平衡电流表达式。以此为基础求得单相接地故障时馈线稳态零序全电流表达式,揭示其对单相接地故障下馈线零序电流幅值与相位的影响。提出通过对故障前后馈线零序电流作差消除不平衡电流的影响。最后,在matlab软件平台搭建仿真模型,验证该文的分析结果。

基于半监督学习的客户信用评估集成模型研究

将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能。该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果。在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性。

一种基于距离和采样机制的数据流分类方法

数据流分类在传感器网络、网络监控等实际领域有着广泛的应用,然而,实际数据流中类分布不平衡和类标签大量缺失的问题严重加剧了数据流分类问题求解的难度。因此,针对数据流中类分布不平衡和类标签大量缺失的问题,提出了一种基于距离和采样机制的集成分类方法。该方法首先计算无标签数据与有标签正负类数据块的中心点距离来标记正负类示例,然后通过正类样本的上采样和负类样本的下采样机制重组数据流块以平衡数据块的类分布,并在其上构建集成分类模型。在模拟的具有类分布不平衡的不完全标记数据流上的实验表明,与经典的同类算法相比,所提方法能够在降低不平衡类分布影响的前提下,提高不完全标记数据流的分类精度。

我国饭店人力资源现状探析

打造一支饭店专业管理人才队伍成为目前饭店业一项重要而紧迫的战略任务。本文就饭店管理人才匮乏现状等原因进行分析,并提出相应在对策。

改进线性邻近点传播在时间序列分类中的运用

线性邻近点传播(LNP)是一种非常有效的基于图的半监督分类方法,而类重叠与数据分布不平衡问题会使LNP构造图时由于选择的邻居不合理而影响分类性能。采用谱聚类来分析数据的分布,根据聚类结果对邻居选择时的距离度量进行调整,使得选择的邻居更合理。将基于谱聚类的LNP方法应用于时间序列分类,在UCR时间序列挖掘库的四个数据集上进行实验,结果表明该方法比LNP方法具有更高的分类准确率。

基于粒度偏移因子的支持向量机学习方法

在实际应用中,数据集样本规模、分布密度的不平衡性可能会使传统支持向量机(support vector machine,SVM)得到的分类超平面不是最优.在对传统支持向量机最优分类面分析的基础上,结合粒度计算(granular computing,GrC)理论,针对数据规模和分布密度不平衡的数据集,提出一种基于粒度偏移因子的粒度支持向量机(granular SVM,GSVM)学习方法,称为S_GSVM方法.该方法将原始样本用Mercer核映射到高维空间,然后在高维空间中对数据进行有效的粒划分,通过对不同的粒计算不同的超平面偏移因子,重新构造支持向量机的凸二次优化问题,以得到一个泛化能力更好的分类超平面.S_GSVM方法充分考虑了数据复杂分布对于泛化能力的影响,对基于最大间隔的分类面进行改进.实验结果表明,S_GSVM方法在非平衡数据集上能得到较好的泛化性能.

数据不平衡分布下轴承故障诊断方法

针对在滚动轴承的故障诊断中数据的不平衡分布会降低模型诊断能力的问题,本文提出一种首层拥有大尺度卷积核的一维卷积神经网络(WKFL-1DCNN)。WKFL-1DCNN首先使用较大的首层卷积核提取故障特征,并在交替的卷积层后添加批标准化(BN)层来调整数据分布;然后使用类平衡损失函数代替交叉熵损失函数来抵消数据不平衡分布给网络造成的影响。实验表明,本文所作改进能够有效提升WKFL-1DCNN在不平衡故障诊断中的表现,其故障诊断能力优于其他对比算法。

设施园艺中节水灌溉研究--评《节水灌溉技术》

水在人们的日常生活中,占据着十分重要的地位,但我国的水资源目前还面临着匮乏与分布不平衡的严重问题,大部分地区还处于缺水与少水的境地。此外,我国的农业发展迅猛,是世界上农业大国。因此,我国农业对水资源的需求极大,我国水资源总量的70%左右都用以农业灌溉。

高压同杆并架双回线故障测距算法的研究

提出了一种适用于高压同杆并架双回线的故障测距算法。该算法基于不平衡分布参数模型,根据双回线同向网、反向网模电压沿线分布规律,利用逆拟牛顿迭代法确定故障点。算法在出现较大反向网模电流时,仅利用反向网模电流进行测距计算,尽量避免了提取电压所引入误差的影响。算法考虑了双端数据不同步的问题,不受系统阻抗和过渡电阻的影响,无需事先确定故障类型。Matlab仿真表明该算法具有较高的精度。

话语权力视角下的会话打断研究

"话语即权力"的思想源于法国思想家福柯。自建封闭式语料库,分别从打断次数、打断位置和被打断者反应共三个方面对语料库中的打断现象进行统计分析可以看出,打断作为一种言语行为,可以帮助打断行为的发出者实现一定的话语目的。同时,作为打断的不同言语行为类型及表现方式,也可以使实现目的的方式更多样化或是帮助打断者同时实现多个目的。