基于改进堆叠稀疏降噪自编码器的轴承故障诊断

为提高堆叠稀疏降噪自编码器的性能,解决其计算复杂度高、收敛速度慢等问题,提出了一种基于堆叠边缘化稀疏降噪自编码器的滚动轴承故障诊断方法。首先,对稀疏降噪自编码器的损失函数进行边缘化处理,并结合逐层贪婪训练策略构建出SMSDAE网络;然后,将SMSDAE网络与Softmax分类器结合,得到SMSDAE-Softmax特征提取模型;最后,将提取到的特征输入到SVM多分类器中完成对滚动轴承的智能故障诊断。QPZZ-Ⅱ旋转机械故障模拟试验平台所得故障信号的处理结果表明,该方法的平均故障诊断率达到了99.9%,相对于其他方法具备更快的收敛速度,更好的诊断效果,以及更强的鲁棒性。另外,采用美国西储大学轴承数据中心10种轴承故障信号进行分析,结果证明了该方法在面对不同类型轴承以及多种故障信号时具备良好的诊断性能,有一定的普适性。     

落实科学发展观，实现钢铁行业的可持续发展

我国正处在工业化和城镇化加速发展阶段，国际经验表明，这一阶段资源消耗强度加大，再加上近年来我国承接发达国家产业转移，加剧了国内资源供给压力，不加快转变经济增长方式，发展循环经济，资源难以为继，环境难以承受。     

基于LBS的“急速药递”小程序管理系统的设计与实现

为给紧急需要某种药物且意识清醒的用户快速提供药品,研究基于地理位置的药品求助和响应救助具有重要意义。在分析了用户急需某种药品但是无法获得时的需求,设计了基于用户地理位置(LBS)的“急速药递”小程序管理系统,对系统的紧急求助、消息推送、地图显示和基本信息填报等功能模块进行分析与设计,主要运用位置标记的方式展示求助信息、以消息推送的形式通知附近的志愿者或医药机构、地图显示药品求助信息、附近多位商家或志愿者响应求助并快速将药品送达,实现基于LBS的药品需求信息服务。系统采用云开发模式开发,描述了系统实现的关键技术,具有一定的实用价值。     

多元时序上状态转移模式的三支漂移检测

多元时序数据上的无监督模式漂移检测是机器学习领域的一个研究热点.然而,对模式及其漂移现象的定义十分灵活,使得该任务的难度较高.受"三分而治"思想启发,文中提出了一种基于FUP-STAP增量挖掘的、针对带通配符区间的状态转移模式的三支漂移检测算法(Three-Way Drift Detection Method for ...     

帽形件链模成形仿真与试验研究

通过数值模拟与成形试验的方法,研究多道次链模成形帽形件的可行性。建立了多道次链模成形帽形件的有限元模型,研究了成形过程中应力、应变的分布情况及发展历程,并估算了各道次机架的工作载荷。基于仿真结果,开发了多道次链模成形试验机,进行了帽形件的成形试验,结果发现,成形过程中未出现圆角破裂,成形效果良好。最后,将试验结果分别与仿真结果和目标形状进行对比发现,虽然腹板区域仍然存在轻微成形质量问题,但翻折角和压深的误差分别被控制在1°和0. 5 mm以下,成形目标基本实现,通过对比既验证了仿真模型的准确性,也说明成形方案的可行性。     

次等小麦粉在裹粉专用粉中的应用研究

以雪燕面粉厂7路次等小麦粉为原料,分别进行裹粉制作实验,同时选取2种市售裹粉进行对比,研究不同粉种对裹粉制作的品质影响。分析了各种粉的基本理化指标、冷糊黏度和体现裹粉品质特性的挂糊量、保水性、质构特性。结果表明：以小麦水分在11.5%~12.7%、蛋白质质量分数18%左右、粗淀粉质量分数在67%~69%、直链淀粉质量分数在12%左右,且具有较好的冷糊黏度特性的小麦粉适合通过在线粉流重组技术进行裹粉专用粉的开发和利用。     

基于PSoC4_BLE的空气呼吸器压力监测系统的设计与实现

本文提出了一种新的空气呼吸器压力监测方案,设计实现了一种基于Cy press PSoC4蓝牙低功耗（BLE）微处理器和智能终端的空气呼吸器压力实时监测系统。     

融合时序特征约束与联合优化的 点云3维人体姿态序列估计

目的 3维人体姿态估计传统方法通常采用单帧点云作为输入,可能会忽略人体运动平滑度的固有先验知识,导致产生抖动伪影。目前,获取2维人体姿态标注的真实图像数据集相对容易,而采集大规模的具有高质量3维人体姿态标注的真实图像数据集进行完全监督训练有一定难度。对此,本文提出了一种新的点云序列3维人体姿态估计方法。方法 首先从深度图像序列估计姿态相关点云,然后利用时序信息构建神经网络,对姿态相关点云序列的时空特征进行编码。选用弱监督深度学习,以利用大量的更容易获得的带2维人体姿态标注的数据集。最后采用多任务网络对人体姿态估计和人体运动预测进行联合训练,提高优化效果。结果 在两个数据集上对本文算法进行评估。在ITOP(invariant-top view dataset)数据集上,本文方法的平均精度均值(mean average precision,mAP)比对比方法分别高0.99%、13.18%和17.96%。在NTU-RGBD数据集上,本文方法的mAP值比最先进的WSM(weakly supervised adversarial learning methods)方法高7.03%。同时,在ITOP数据集上对模型进行消融实验,验证了算法各个不同组成部分的有效性。与单任务模型训练相比,多任务网络联合进行人体姿态估计和运动预测的mAP可以提高2%以上。结论 本文提出的点云序列3维人体姿态估计方法能充分利用人体运动连续性的先验知识,获得更平滑的人体姿态估计结果,在ITOP和NTU-RGBD数据集上都能获得很好的效果。采用多任务网络联合优化策略,人体姿态估计和运动预测两个任务联合优化求解,有互相促进的作用。     

计算机科学的边界思维——增量学习的方向

具有学习焦虑的人们会盲目地追求新的、差异化的知识与技能,这带来了极大的时间成本且效率较低。增量学习是高效的学习方式,但如何寻找正确的方向一直悬而未决。因此,文章自底向上地研究了计算机工程与科研领域的常见问题与技术手段,基于边界思维归纳了提出问题、分析问题的方法论。它起源但不局限于计算机科学领域,同样适用于工作、学习的各方面,以及其他工程及其交叉领域中的实际场景。     

结合评分习惯加权的稀疏矩阵插值推荐技术

插值估计可缓解推荐系统的稀疏问题,但其效果会影响预测性能。以logistic用户习惯（habit）评分加权改进Jaccard（HabJac）相似度量,并通过K近邻获得插补评分。进而,通过融合正则化奇异值分解（RSVD）技术提出了新的HISVD推荐算法,并获得最终预测。用户的习惯评分被定义为其出现频次最高的评分,并且logistic权值同评分与习惯评分之间的欧氏距离正相关。在四个现实数据集上的实验结果表明：a）HISVD在不同数据集上,最优情况下的参数比较稳定;b）HISVD在MAE和RSME指标上均超过了主流算法。