煤矿信息化与自动化发展趋势

随着时代的发展,信息化与自动化已经与各行各业紧密相连,煤矿行业也不例外。并且煤矿行业属于危险性行业,工作环境复杂,煤矿开采时需要同时运行多种大型设备,人力往往无法兼顾多种设备,不能及时发现问题,带来安全隐患,也不可避免地降低了工作效率。信息化与自动化的应用,让煤矿开采现场得以精准的控制,让生产过程中的数据发挥出更大的价值,提高工作效率的同时降低了安全隐患,能更好地保护矿井开采工人,意义重大。     

大型船用S34MnV曲拐弯锻成形工艺缺陷分析

通过Gleeble-3500型热模拟试验机对S34MnV钢进行热压缩试验,建立了S34MnV钢高温本构方程,利用DEFORM-3D软件对大型船用S34MnV曲拐弯锻成形过程进行模拟,对弯锻成形过程中出现的缺陷进行了分析研究,得出了弯锻毛坯形状和模具参数对大型船用S34MnV曲拐弯锻成形过程的影响规律。     

基于QoE感知的星地一体化网络公平资源分配策略

星地一体化网络是卫星网络和地面网络互联，实现卫星网络和地面网络优势互补的一体化网络。随着无线通信的快速发展，卫星网络和地面网络的同频复用技术可有效提升资源利用效率，满足日益增长的无线数据业务需求。但由于无线数据业务类型的多样化和频谱资源的稀缺性，如何实现用户数据服务的服务体验质量（Quality of experience， QoE）和公平性提升也成为星地一体化网络亟待解决的关键问题。本文综合考虑信道时变性、服务体验多样性和服务公平性，提出了一种基于QoE感知的星地一体化网络资源分配策略。为此，将目标问题描述为基于时间平均的服务体验质量的网络公平效用最大化，并利用李雅普诺夫优化理论，将复杂的动态原始优化问题进一步转化并分解为3个瞬时优化子问题，每个子问题可以在每个时隙独立求解。同时，由于无线资源分配为典型的非凹混合组合优化问题，推导了一个低复杂度的两步算法来求解第三个资源分配子问题。仿真结果揭示了在不同的公平性参数下用户的长时QoE与公平性之间的折衷情况。     

基于CQT和梅尔频谱的带有人声的音乐风格转换方法

近年来,生成对抗网络在图像风格迁移领域中表现优秀,然而其在音乐领域表现一般.现有的音乐风格迁移对带有人声的音乐的风格迁移效果不佳.为了解决这些问题,首先提取音乐的CQT特征和梅尔频谱特征,然后采用CycleGAN对CQT特征和梅尔频谱的联合特征做风格迁移,再通过WaveNet声码器来对迁移后的谱图进行解码,最终实现了带有人声的音乐的风格迁移.在公开数据集FMA上对所提模型进行评估,符合要求的音乐的平均风格迁移率达到了94.07％.与其他算法相比,该方法所产生的音乐的风格迁移率和音频质量都优于其他算法.     

新能源汽车整车控制器的MOSFET振铃抑制

汽车电子产品中电源电路的设计会直接影响整个产品功能的稳定性和EMC性能.新能源汽车整车控制器应用基础电源管理芯片FS8510设计电源模块电路时,其外围MOSFET产生了严重的振铃现象.为解决这一问题,提出更换外围MOSFET及增加Snubber缓冲网络两种改善措施,并给出了选择MOSFET的影响参数和有效的Snubber缓冲网络RC配比算法.整车控制器传导发射-电压法的测试结果表明:两种措施都可以有效抑制MOSFET的振铃,提高产品的EMC性能.     

基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

FTTH网络设计系统的建设与应用

苏州地区FTTH网络建设落地已三年有余,为了更好地对FTTH网络资源与用户资源数据进行规整与使用,开发基于网络资源管理系统的FTTH设计系统.为此,介绍该系统的建设思路以及实施应用过程中的一些创新点.     

基于复杂网络的合成致死预测方法研究综述

合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、推动癌症的临床诊治有着重要的意义.因此,利用海量的高通量数据,通过构建数据分析模型和计算方法,从计算的角度进行SL对的挖掘和预测,是计算生物学研究的一个重要方向.本文首先对于SL预测所使用的相关数据进行了详细的综述,然后从生物网络这一全新视角出发,重点讨论了基于网络分析的SL预测方法.从网络上的统计学方法、基于网络结构变化的方法、基于网络特征学习的方法、基于图表示学习的方法四个方面综述了相关预测模型和研究的最新进展,详细地比较了各类方法的算法思路、应用场景和优缺点,最后针对SL预测的结果评估和验证方法的研究进展进行了论述.在此基础上,论文进一步总结出SL预测研究中所面临的几项挑战,并针对性的对未来发展方向进行展望,希望为今后的相关研究提供一些有用的参考和思路.     

基于文本信息处理的深度网络推荐技术研究

网络信息时代,在使用系统的时候,首先应该要避免信息过载所导致的问题.然而这一问题目前已经在网络信息技术中起到了重要的作用.根据传统的模式进行推算,目前互联网想要构建模式,首先应该设计其模型训练,另外其数据不能过于单一,而信息量也不够充足,所以导致目前所出现的推荐效果并不是很好.所以文章中有很多辅助信息能够添加到模型中而获得额外的数据输入,对于文章所推荐的方式,有些用户往往忽视所具备的多样性,主要是由于用户的喜好会随着项目的改变而发生变化.     

流媒体技术在高校校园网中的教学应用及其重要性研究

在校园网络环境日益成熟与流媒体技术的广泛使用的基础上,流媒体技术在校园网络教学中发挥着重要的作用。该技术将校园网络教学的各种潜能都充分发挥出来,从而达到更好的教学效果。文章阐述了流媒体技术应用于教学的诸多优点,并探讨了在教学中运用流媒体技术的方法。