一种基于逐次变分模态分解和改进深度极限学习机的滚动轴承故障分类方法

为应对滚动轴承故障诊断中特征提取较难和故障类型识别准确率偏低等问题,提出一种基于逐次变分模态分解(SVMD)与分形维数(FD)结合算术优化算法(AOA)优化深度极限学习机(DELM)的轴承故障诊断方法。通过SVMD对轴承原始振动信号进行多尺度分解,得到一系列固有模态分量(IMFs);计算不同状态下各个IMF分量的FD,归一化后作为故障特征向量;利用AOA-DELM模型实现轴承的故障诊断。采用美国凯斯西储大学(CWRU)轴承数据集作为实验数据进行实验验证,结果表明,所提方法在滚动轴承故障诊断中具有优越性,识别准确率可达98.80%。

可倾瓦推力轴承惰转过程的最小膜厚预测方法

为建立可倾瓦推力轴承惰转过程中最小油膜厚度的预测方法,依据核主泵推力轴承的实际工作情况,基于雷诺方程的自编程序,分别进行热态和冷态下主、副轴瓦润滑性能参数的计算与数值模拟分析,提出可倾瓦推力轴承的最小油膜厚度的理论拟合公式,并对最小膜厚的计算值和拟合值进行对比和分析。结果表明:随着转速降低,主轴瓦的最小膜厚单调减小,副轴瓦的最小膜厚先增加后减小;主、副轴瓦最小膜厚的计算值可以和拟合值较好地对应,验证了理论拟合公式的可靠性。提出的理论拟合公式可以通过额定转速下的最小膜厚计算结果预测多种工作条件下的最小油膜厚度,为主泵惰转的安全性提供重要参考。

图书情报领域中外学者研究方法使用差异分析——跨语言文本分类的视角

[目的/意义]对学科研究方法的自省式分析对于理解学科发展和建立学科自主知识体系至关重要。通过研究国内外学者在研究方法上的使用差异,可以更全面地了解不同地区和文化背景下的研究者在应对不同研究问题所采用的策略和方法,从而促进学术交流和跨国合作,并进一步推动学科的发展与学科知识体系的完善。[方法/过程]以图书情报领域5种高影响力中英文期刊中1990-2021年共30余年的学术论文为研究对象,采用跨语言文本分类方法对这些论文中的研究方法进行自动分类。然后从研究方法的使用频率与演化差异以及适用主题多样性差异两个角度,进行中外比较研究。[结果/结论]国外学者越来越倾向于使用定性方法,而对定量方法的使用正在减少。同时,国内外大多数研究方法的适用主题多样性都在增加。这项研究对于理解图书情报学科的发展、促进学术交流与合作以及提高国内学者的国际影响力具有重要意义。

山地城市工程冲沟的分类方法和设计策略研究

为了将工程冲沟融入城市自然环境,改善二者在空间和肌理维度上的矛盾,本文在传统冲沟分类方法中融入环境角色,依据冲沟和环境的2种形态构建两态性分类法。该方法实现从“治理”到“运用”的目的变迁,有助于解析冲沟与环境矛盾问题的具体表现。依据矛盾点,提出“交、映、隐、联、融”的设计策略,重新构建冲沟与环境的有机关系,打造山地城市的滨江景观风貌。

OECD数字密集型产业分类方法及启示

产业的数字密集度反映产业对数字技术的开发应用程度。OECD从技术组成、人力资本和市场经济活动三个角度提出数字密集型产业测算框架,采用独立分类法和位次平均分类法,分别对OECD国家36个细分产业的数字密集度进行了研究。本报告对OECD数字密集型产业分类和我国数字经济产业分类进行了研究总结和比较分析,并提出促进我国数字密集型产业发展的有关建议。

幼儿园教师多维度观察方法分类及实践注意事项

对幼儿的行为观察是我国学前教育理论探究及幼儿园实践探索过程中共同关注的热点问题。幼儿园教师进行行为观察,需要厘清多角度下的观察分类方法及注意事项。从分类方法(参与性观察与非参与性观察;定期观察、短期观察和长期观察;开放式观察和封闭式观察;直接观察和间接观察)入手,剖析不同维度分类方法的特点,提出了幼儿园教师在观察环节中需要注意得到观察许可、保证幼儿的身体和心理安全、尽量保证观察的客观性、禁止对幼儿行为医学定性等四个实践性问题。

基于MCKD-FDM方法的汽车轴承振动信号降噪

为了提高电机轴承的故障诊断精度,选择傅里叶分解(FDM)方法把降噪处理信号分解,利用最大相关峭度反褶积(MCKD)重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:测试信号形成了明显的故障特征频率与各阶倍频,各阶倍频都发生了幅值降低。采用本文方法可以显著突出故障冲击成分,也可以提取获得丰富轴承故障信息,更明显体现故障特征频率与倍频。本研究故障诊断方法能够满足高精度的汽车传动系统故障检测要求。

电路理论中的受控源分类方法研究

受控源属于至关重要的电路设计元件,能够大幅提升电路的灵活性,赋予电路强大的可操作性。文章根据受控源实际作用、控制形式存在的差异性,分析电路理论中受控源的分类方法,旨在为电路设计提供较为适配的受控源,便于根据电路设计的功能需求进行受控源的组合配置、使用,差异满足级别更高的复杂电路设计需求。

化学概念分类:意义价值、理据方法和教学实践?

新时代素养化教学背景下,知识学习的关注点从知识掌握目标,转向了知识对能力素养发展的工具意义。文章从概念知识生成机制对化学概念进行属类分析,匹配教学方法策略,有利于开展实践性教学;根据化学概念特征可将化学概念分为事实性概念、规则性概念及理论性概念,分别匹配“呈现原型概括本质”“问题解决方法总结”“证据推理模型建构”三种主要教学方法,侧重于不同核心素养的培育发展;以物质的量为例进行了教学实践分析。

基于图核同构网络的图分类方法

图表示学习已成为图深度学习领域的一个研究热点.大多数图神经网络存在过平滑现象,这类方法重点关注图节点特征,对图的结构特征关注度不高.为了提升对图结构特征的表征能力,提出了一种基于图核同构网络的图分类方法,即KerGIN.该方法首先通过图同构网络(graph isomorphism network,GIN)对图进行节点特征编码,并使用图核方法对图进行结构编码,进一步利用Nystrom方法降低图核矩阵的维度.其次借助MLP将图核矩阵与图特征矩阵对齐,通过注意力机制将图的特征编码和结构编码进行自适应加权融合,进而得到图的最终特征表示,提升了图结构特征信息的表达能力.最后在7个公开的图分类数据集上对模型进行了实验评估:与现有图表示模型相比,KerGIN模型能够在图分类准确度上有较大幅度提升,它可以增强GIN对图结构特征信息的表达能力.

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。

一种基于元学习的大口径射电望远镜俯仰轴承故障辨识方法研究

在经过长期运行后大口径射电望远镜俯仰轴会出现微小扭曲,滚动轴承作为承载俯仰轴的核心部件,也会因长期承受交变载荷增加疲劳风险,导致轴承寿命以及望远镜指向精度的下降,极大影响望远镜的性能.以俯仰轴承为研究对象,开展故障辨识方法研究,可为望远镜天线的高性能运行提供重要支撑.为实现在有限数据和复杂工作条件下准确地辨识俯仰轴承故障,提出了一种小样本条件下基于元学习的故障辨识方法(Few-shot Meta-learning Fault Identification, FMFI).首先将不同工况下的原始信号转换为时频图像数据,之后按照元学习协议将数据样本随机采样到不同的学习任务中.在有限样本的条件下, FMFI可以通过训练任务中的样本信息获取通用的先验知识,在未知的测试任务下实现准确快速的故障辨识.选取了与望远镜俯仰轴承工况具有相似性的变负载轴承数据集进行实验,实验结果表明, FMFI方法具有很高的准确性和可靠性,为大口径射电望远镜俯仰轴承的主动运维和高质量服役提供了有力的技术支持.

正交约束域适应的跨工况滚动轴承剩余使用寿命预测方法

针对跨工况轴承剩余使用寿命(RUL)预测模型的决策边界不明显、特征可辨识性低的问题,该文提出一种正交约束的最大分类器差异方法(MCD_OC)。首先,将采集的轴承原始振动信号进行快速傅里叶变换,得到振动信号的频域信号作为模型的输入;然后,通过卷积神经网络(CNN)和门控循环神经网络(GRU)提取轴承信号的深层时空特征,利用最大分类器差异将源域和目标域特征对齐,并对目标域轴承深层特征进行正交约束,增大无标签目标域样本特征之间的可辨识性;最后,基于轴承寿命数据集开展了跨工况轴承寿命预测对比实验,对该文所提方法进行评估,并在多组实验中取得最优结果。

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。

中心修正投影结合IGWO-SVM的滚动轴承故障分类方法

针对滚动轴承故障分类中全局信息损失和模态识别精度低的问题,提出一种中心修正投影算法(center modified projection, CMP)结合改进的灰狼算法(improved grey wolf optimization, IGWO)优化支持向量机(support vector machine, SVM)的滚动轴承故障分类方法。首先,融合样本高维空间全局分布信息和样本局部信息提出CMP降维算法,利用CMP的信息保留能力,实现轴承信号特征矩阵降维;其次借助钟形收敛曲线不同阶段下降速度的差异性特点以及前进式搜索和包围式搜索模式优化灰狼算法收敛性能,并利用IGWO实现SVM参数的自主寻优;最后采用优化后的SVM进行轴承故障分类识别。该方法充分结合了CMP的特征信息保留能力和SVM的小样本分类性能,有效减弱特征冗余成分对诊断结果的影响。多组对比试验表明,所提方法能有效的去除冗余成分,较好的保留样本空间分布信息,具有较好的分类性能。

一种半监督金融事件多标签分类方法

随着数字金融服务业的不断发展,互联网和金融服务系统积累了海量文本数据,对金融文本中描述的金融事件自动分类是金融科技的现实需求,也是自然语言处理和机器学习领域广泛关注的方向。目前,深度学习方法已在文本分类中广泛应用,针对文本数据中的金融事件多标签分类中存在的已标注数据缺少、已有深度学习方法消耗资源大以及现有方法未利用金融事件文本的具体特点等问题,通过采用ALBERT和TextCNN等表示工具,引入主体词注意力机制,提出了一种半监督金融事件多标签分类方法。首先,通过无监督数据增强(Unsupervised data augmentation,UDA)方法缓解标注数据量不足的问题;其次,引入了主体词注意力机制,使用ALBERT动态词向量表征方法对文本中的词进行表示;然后,利用TextCNN对文本进行综合语义表示;最后,分别采用交叉熵和KL散度度量标记数据和无标记数据的损失来训练模型。在金融文本数据集上验证了本文所提方法的有效性。

基于振动加速度与声音信号融合的轨道交通列车轴箱轴承故障诊断方法

[目的]轴箱轴承是轨道交通列车转向架的关键零部件,其健康状态直接影响列车的运行安全。需建立更为科学、高效的轴箱轴承故障诊断方法,以有效提取强干扰噪声下的轴承故障特征信息。[方法]以振动加速度及声音信号(以下简称“振声信号”)为研究目标,分析了轴箱轴承振声信号的故障特征,提出了一种最优带通卷积滤波的信号降噪方法。该方法将原始信号在频域内划分为多个分段,确定不同分段的带通滤波参数,构建了多通道带通卷积滤波器组。采用时域指标分段峭度来选择最优滤波信号,并对最优滤波信号进行频率加权能量算子解调,以识别轴承的故障部位。[结果及结论]所提故障诊断方法可以在强干扰噪声下实现对振动加速度信号、声音信号故障特征的提取,仿真结果及现场试验结果均验证了该诊断方法的有效性。振动加速度、声音信号的故障诊断结论可相互补充验证,进一步提高轴箱轴承故障诊断的准确率。

基于RoBERTa的油气高风险作业管控措施分类方法

本文提出了一种基于RoBERTa的油气高风险作业管控措施分类方法,旨在解决高风险作业JSA库针对性不足的问题,该方法可以自动、准确地将管控措施划分成关键性措施与一般性措施,能够帮助使用者快速找到并采取关键的风险管控措施,提升JSA库的应用效果和风险管控水平。此外,本文还对管控措施分类结果进行了实验验证,结果表明该方法具有较高的准确性和可靠性,F1值达到76%,能够满足实际应用的需要。

小学语文分类阅读的目标、内容与方法研究——评《小学语文分类阅读教学研究》

阅读教学是小学语文教学的重中之重,是发展学生语文核心素养的关键路径。关于阅读教学的思路与阅读方法,不少一线语文教师已有深入的思考,并进行了有益的探索,总结了不少有效的教学策略。尽管如此,小学语文阅读教学仍面临着一些问题。

基于多模态融合提升的文本分类方法

尽管基于多模态的文本分类技术在应用到具体场景中具有潜力,但仍存在局限性。现有多模态融合模型要求输入数据模态对齐,因此大量不完整的多模态数据被直接浪费,从而限制了推理时可用数据的规模和灵活性。为了解决这个问题,提出了一种基于多模态融合提升的文本分类模型和不充分多模态资源训练方法。与传统方法相比,提出的模型在标准数据集上的性能平均提高了约4.25%。此外,在除文本输入模态外的其他模态缺失率为50%的情况下,不充分多模态资源训练方法的性能比传统多路由策略提高了约4%。这表明所提出的模型和训练方法具有明显的优势和有效性。