非理想数据下基于仿真数据辅助迁移学习的滚动轴承故障诊断

旋转机械在实际工程应用中常处于正常状态,因而呈现故障样本稀少甚至部分缺失等非理想数据情况。针对直接采用非理想数据建立深度学习诊断模型时的低准确率问题,提出基于有限元仿真数据辅助迁移学习的故障诊断方法。首先,通过数值仿真计算不同运行工况和故障类型的轴承信号;进而,利用大量低成本高保真的仿真样本对模型预训练,利用真实小样本或者仿真样本增补后的混合样本进行模型微调,以完成高准确率故障诊断,并降低迁移学习对故障轴承实测数据的依赖;最后,利用两个轴承实验台数据进行验证。结果表明在单类故障样本数为1时,采用所提方法建立的模型准确率超过95%;在故障样本稀少且多类缺失时,准确率比仿真数据直接增补方式提升超10%。

课本习题二次开发 培养学生科学素养

对教材习题进行合理开发与利用,通过一题多解不仅使知识融会贯通,而且提升了思维品质,有利于学生形成良好的科学素养.大胆地假设理想数据,揭示了误差的根源,在实验无误差的理想情况下,各种方法都是等价的.规律方法无过错,都是测量惹的祸.

基于最小生成集和位姿估计的深度图像目标识别

为了提高在有遮挡情况下深度图像的目标识别率,和降低运行复杂度,提出一种基于深度图像的快速目标识别方法。该方法以预测深度图像像元的三维坐标为基础,首先在局部置信度传播的支持下,排除较为明显的异常数据,以生成位姿估计理想数据集;然后通过3D点间的距离和预测目标间的距离,以评估目标坐标的内在一致性;最后生成异常数据的最小样本集,评估位姿,识别深度图像目标。Mian数据集的实验结果验证了所提方法的有效性。与旋转图像、传感器匹配方法和局部坐标帧方法相比,所提方法在较多遮挡百分比下的识别率优于其他方法,且检测单个目标所需的时间更具优势。

在厚坡积物区进行地震勘探的方法探讨

在河南省某山区二维地震勘探项目中,采取了多种成孔工具进行效果对比、分析,最后选择了最适合本区的挖掘机成孔,获得了理想的原始数据,最终完成了规定的地质任务。

对逐差法求加速度的质疑

摘要：对一道高考题提出质疑，进而引发猜想，通过推理和论证，揭示了误差的根源，否定了逐差法求加速度的优势，并提出采用“两段法”的建议，从而纠正了认识之偏见，弥补了方法之不足．

经济社会新常态下哈尔滨地区三级医院运行效率研究

目的:为提高三级医院的运行效率,对哈尔滨地区三级医院进行综合评价,为政府对三级医院的管理提出新思路。方法:采用DEA-TOPSIS两阶段模型该模型,首先使用DEA方法计算每个决策单元的相对有效性,然后对相对有效性进行TOPSIS计算并作全排序优选。结果:选取8家三级医院,将数据导入模型,测算出其运行效率。结论:三级公立医院运行效率差异性大,大学附属医院相对较高,政府应重视医院运行效率,并出台相应的管理政策。