检索结果-南通市图书馆

机械加工中随行夹具输送链的齿形设计——CAD应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无锡轻工业学院学报 1993年第3期12卷 228-234页

作者：杜康宁无锡轻工业学院机械工程系

设计中应用了“包络-轨迹”法修正齿形设计原理。在齿形干涉出现时,对主动件相应的啮合接触点坐标值由计算机自动进行增值修正计算,直到干涉消失。

关键词： CAD 输送链机械加工夹具齿形

在线全文

学校读者我要写书评

暂无评论

医师责任保险制度研究

医师责任保险制度研究

作者：杜康宁湖南大学

学位级别：硕士

随着法律制度的完善和患者维权意识的增强,医疗纠纷不断增多,医患矛盾日益尖锐。因此迫切需要引入保险机制来化解医患纠纷、转嫁医师执业风险。然而与境外相比,我国对这方面的理论研究很少涉及,实务操作也是经验不足,尚有待进一步完善... 详细信息

随着法律制度的完善和患者维权意识的增强,医疗纠纷不断增多,医患矛盾日益尖锐。因此迫切需要引入保险机制来化解医患纠纷、转嫁医师执业风险。然而与境外相比,我国对这方面的理论研究很少涉及,实务操作也是经验不足,尚有待进一步完善。开展医疗领域的责任保险首先需要对被保险人进行界定。应该根据被保险人不同而区分医师责任保险和医疗机构责任保险,从而有利于保险公司更有针对性的开展业务,推动我国医师责任保险制度尽快建立。医师责任保险合同是医师责任保险的核心内容。通过借鉴境外的成功经验,明确了我国医师责任保险合同的主体应该包括投保人、保险人、被保险人、第三人、保险辅助人等,肯定了保险人的抗辩义务和第三人的直接请求权;责任范围应该包括保险责任和除外责任两个部分,主要承保因执业的过失所导致的医疗纠纷,且应以索赔为承保基础。而且精神损害赔偿不应该列为除外责任的范围,并要对其实施最高限额;保险费厘定应该在采用增减法确定基本保险费的基础上,根据不同科室的风险程度确定可以变动的费率,使医师责任保险合同更具有可操作性,对投保人具有更好的实践指导价值。外部的制度支持对于医师责任保险制度的建立不可或缺。根据目前我国的医疗体制和医师责任保险的现状,我国应该建立强制医师责任保险,而且在运作过程中还要引入商业机制,拓宽保险公司的投资渠道。同时政府要明确在医师责任保险制度建立过程中所扮演的角色,相关部门之间应该协调分工,不断完善各种配套措施。

关键词：医师责任保险强制责任保险责任范围保险费率

滚动轴承数据类平衡性问题下的健康状态识别研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

滚动轴承数据类平衡性问题下的健康状态识别研究

作者：杜康宁太原科技大学

学位级别：硕士

滚动轴承作为旋转机械装置中的重要组成部件,在风力涡轮机、数控机床、工业机器人等设备中应用广泛。由于滚动轴承长时间处于高温、变速与变负载等复杂多变的工况下,导致滚动轴承极易发生损坏造成机械装备故障,严重时可能导致停机停产... 详细信息

滚动轴承作为旋转机械装置中的重要组成部件,在风力涡轮机、数控机床、工业机器人等设备中应用广泛。由于滚动轴承长时间处于高温、变速与变负载等复杂多变的工况下,导致滚动轴承极易发生损坏造成机械装备故障,严重时可能导致停机停产。因此,为提高滚动轴承使用可靠性,需要及时监测与识别其健康状态。近年来,滚动轴承智能健康状态识别方法通过自动提取信号中的深层特征,诊断装备的健康状态,成为大数据下保证机械设备安全工作、健康服役的重要手段。针对典型故障信息丰富,健康样本和故障样本之间类别平衡的情形,提出一种基于深度学习的类平衡滚动轴承健康状态识别方法。同时在实际工况中,机械装备长期正常运转,容易造成滚动轴承正常状态下获取的样本丰富而故障状态下获取的样本稀少,产生健康样本和故障样本之间的类别不平衡,造成模型识别精度下降问题,针对这一问题提出了基于深度学习的类不平衡滚动轴承健康状态识别方法。综上,本文针对滚动轴承健康状态识别中故障样本与健康样本之间所存在的类平衡与类不平衡情形展开研究,基于深度学习分别给出对应的健康状态识别方法,具体内容如下:(1)当滚动轴承故障数据和健康数据类别平衡时。现有的以深度学习为基础的轴承健康状态识别模型存在以下局限:第一,优化器的学习率往往采用默认数值或手动调整,容易导致识别模型的自适应性能较低,无法适应轴承健康状态识别中多变的工作条件。第二,卷积神经网络通过最大池化或均值池化来降低输入图像的维度,池化操作将导致数据之间位置信息的丢失,并且合并操作可能会改变信号的局部变化趋势,从而导致信号被误判,通过将卷积核尺寸变大来扩大感受野可以很好的解决这一问题。然而通过这种方法扩大感受野又将导致网络模型性能变差,整体参数量和计算成本增加。第三,Adam作为梯度下降法的代表算法被广泛应用,但是由于Adam的设置中,一些小批次提供大梯度,虽然这些大梯度信息丰富,但由于指数平均,他们的影响会很快消失,从而导致诊断模型的收敛性差。针对滚动轴承故障数据和健康数据类别平衡时,深度学习模型存在的上述问题,提出了一种由改进的扩张卷积、Lookhead-Radam(LR)优化器和超带调节器组成的自适应资源分配深度神经网络(PDC-LR-HCNN)模型。通过CWRU和XJTU-SY轴承的实验数据集验证了所提出的PDC-LR-HCNN神经网络模型,其准确率可达90%以上,在10次迭代内可实现分类精度收敛。(2)当滚动轴承故障数据和健康数据类别不平衡时。此时用于类平衡情形下的健康状态识别模型不再适用。提出一种基于深度学习的类不平衡滚动轴承健康状态识别方法,该方法通过合成少数类过采样技术SMOTE(Synthetic Minority Oversampling Technique)将滚动轴承不平衡数据集重构为平衡数据集。之后利用迁移学习使TConv Ne Xt网络模型掌握判别滚动轴承故障信息所需的部分权重。其次使用希尔伯特变换将一维信号转换为二维图像输入模型,训练模型剩余权重。上述方法使得模型不再完全依靠故障现场监测到的数据进行训练,大大降低了模型对于现场监测数据的依赖。最后将训练后的TConv Ne Xt网络模型用于健康状态识别并且利用Grad-CAM方法进行可视化分析。实验结果表明TConv Ne Xt网络模型具有较高的诊断精度,能够较好的满足类不平衡情形下的滚动轴承健康状态识别要求。(3)针对已提出的类不平衡情形下的健康状态识别方法在数据重采样过程中存在的数据重叠问题与有监督迁移学习所提前学习的轴承健康状态较单一问题进行了改进。使用ENN(Edited Nearest Neighbors)欠采样方法消除使用合成少数类过采样技术SMOTE带来的数据重叠问题。使用二次迁移学习令模型以轴承全寿命周期数据集为源域,凯斯西储大学轴承数据集为目标域进行第一次迁移学习,之后以实验室所得数据集训练模型进行第二次迁移学习。相比有监督迁移学习,二次迁移学习能够提前掌握更多轴承健康状态特征,进而使得类不平衡情形下的模型健康状态识别精度得到进一步提升。

关键词：滚动轴承深度学习健康状态识别类不平衡

基于二次迁移学习和EfficientNetV2的滚动轴承故障诊断

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

机械传动 2023年第7期47卷 168-176页

作者：杜康宁宁少慧太原科技大学机械工程学院山西太原030024

针对工程实际故障诊断环境下,可用数据稀缺,导致智能诊断模型对轴承健康状态识别精度较低这一问题,提出一种基于二次迁移学习和EfficientNetV2(Two-Step Transfer of Efficient⁃NetV2,TSTE)的滚动轴承故障诊断新方法。首先,将模型在轴... 详细信息

针对工程实际故障诊断环境下,可用数据稀缺,导致智能诊断模型对轴承健康状态识别精度较低这一问题,提出一种基于二次迁移学习和EfficientNetV2(Two-Step Transfer of Efficient⁃NetV2,TSTE)的滚动轴承故障诊断新方法。首先,将模型在轴承全寿命周期数据集中训练,之后冻结模型浅层权重,将其在多工况轴承数据集中训练,进行第一次迁移学习。其次,通过构造类不平衡数据集,研究实际故障环境下可用数据稀缺对故障诊断性能的影响。然后,基于合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)过采样方法与编辑最近邻(Edited Nearest Neighbors,ENN)欠采样方法对故障数据进行扩充,使类不平衡数据集重构为类平衡数据集。最后,将模型在类平衡数据集中训练,冻结模型底层权重,训练模型深层,进行第二次迁移学习,使模型掌握平衡数据集故障特征。通过多种指标进行实验评估,同时与其他方法进行对比,并使用Grad-CAM方法进行了特征可视化。结果表明,所提方法能够将模型在实验室环境下积累的故障诊断知识应用于实际工程设备,适用于检测数据稀缺情形下的滚动轴承故障诊断。

关键词：滚动轴承二次迁移学习 EfficientNetV2神经网络类不平衡重采样

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的滚动轴承复合故障诊断研究

机床与液压 2023年第13期51卷 198-205页

作者：杜康宁宁少慧太原科技大学机械工程学院山西太原030024

针对现有故障诊断方法多是面向单一故障进行研究,对于实际工况下的复合故障缺乏相应的诊断方法,提出一种基于有监督学习的ConvNeXt滚动轴承多工况复合故障诊断模型(TConvNeXt)。通过合成少数类过采样技术将滚动轴承数据集重构为平衡数据... 详细信息

针对现有故障诊断方法多是面向单一故障进行研究,对于实际工况下的复合故障缺乏相应的诊断方法,提出一种基于有监督学习的ConvNeXt滚动轴承多工况复合故障诊断模型(TConvNeXt)。通过合成少数类过采样技术将滚动轴承数据集重构为平衡数据集,以提高复合故障样本的利用率;利用迁移学习使TConvNeXt网络模型掌握判别滚动轴承复合故障信息所需的部分权重,通过格拉姆角场将一维信号转换为RGB图像输入模型,训练模型剩余权重;最后将训练后的TConvNeXt网络模型用于滚动轴承故障诊断并且利用Grad-CAM方法进行可视化,分析网络诊断错误起因并对网络进行调整;将训练准确率最高的模型用于滚动轴承故障实测,检验其实际工况下的诊断能力。实验结果表明:TConvNeXt网络模型具有高诊断精度,它不仅在混叠故障诊断中表现突出,在单一故障诊断中也具有优势,能够很好地适应多工况下不同故障类型的滚动轴承故障诊断要求。

关键词：复合故障诊断迁移学习 ConvNeXt卷积神经网络 Grad-CAM方法

在线全文

学校读者我要写书评

暂无评论

输送用滚子链结构的改进

无锡轻工大学学报（食品与生物技术） 1997年第1期16卷 60-65页

作者：杜康宁过晓明无锡轻工大学机械工程系

为提高生产线输送链的传动平稳性，提出了对常规套筒滚子链的改进结构，分析了链齿形设计方法，改善了运动特性，减少了链传动中的“多边形效应”

关键词：输送链滚子链修正设计链轮齿形

基于ADASYN和Swin Transformer的滚动轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

机床与液压 2023年第15期51卷 209-215页

作者：杜康宁宁少慧太原科技大学机械工程学院山西太原030024

针对实际工况下,正常样本丰富、故障样本稀缺的类别不平衡情形,导致基于深度学习的故障诊断模型诊断能力较差这一问题,提出一种基于自适应综合采样方法(ADASYN)和Swin Transformer的故障诊断模型。使用自适应综合采样方法,改善数据分布... 详细信息

针对实际工况下,正常样本丰富、故障样本稀缺的类别不平衡情形,导致基于深度学习的故障诊断模型诊断能力较差这一问题,提出一种基于自适应综合采样方法(ADASYN)和Swin Transformer的故障诊断模型。使用自适应综合采样方法,改善数据分布,解决实际工况中故障样本与正常样本类别不平衡问题;使用Swin Transformer网络模型代替CNN网络,并使用深度迁移学习方法,使Swin Transformer网络模型掌握判别滚动轴承故障所需的浅层权重,深层权重通过反向传播方法训练获得;之后,将模型用于轴承故障测试,并对其进行调试;最后,将模型用于轴承故障实测,检验其实际工况下的诊断能力。实验结果表明:所提模型具有97%的诊断准确率,能够很好地适用于类别不平衡情形下的滚动轴承故障诊断。

关键词：自适应综合采样 Swin Transformer模型轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

分布统计特征的孪生网络目标跟踪方法

计算机工程与应用 2024年第8期60卷 213-224页

作者：李俊曹林张帆杜康宁郭亚男北京信息科技大学仪器科学与光电工程学院北京100101 北京信息科技大学光电测试技术及仪器教育部重点实验室北京100101 北京信息科技大学信息与通信系统信息产业部重点实验室北京100101

尽管基于孪生网络的跟踪器取得了巨大成功,但在边界模糊这类复杂场景下的跟踪性能仍然较差。大多数现有方法对于目标的定位均采用不灵活的狄克拉分布,由于缺少对边界框的不确定性估计,使其在边界模糊下无法准确定位。为了解决上述问题,... 详细信息

尽管基于孪生网络的跟踪器取得了巨大成功,但在边界模糊这类复杂场景下的跟踪性能仍然较差。大多数现有方法对于目标的定位均采用不灵活的狄克拉分布,由于缺少对边界框的不确定性估计,使其在边界模糊下无法准确定位。为了解决上述问题,基于SiamBAN模型进行改进,利用目标边界框的分布统计特征与其实际的定位质量高度相关这一特性,将边界框的回归值由狄克拉分布转为一定范围内的任意概率分布,将分布统计特征经过分布引导质量预测器生成较高的定位质量估计得分,将分类与定位质量估计联合表示,克服了训练和测试阶段分类与回归不一致问题。在VOT2018、VOT2019、OTB100、UAV123、LaSOT、TrackingNet和GOT-10k数据集上的实验结果表明,对比SiamBAN在准确度和EAO指标上提升了3.3%~10%。

关键词：孪生网络定位质量不确定性估计分布统计特性分布引导质量预测器

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

十种菊科外来入侵种连萼瘦果风力传播的特性

植物生态学报 2010年第8期34卷 957-965页

作者：郝建华强胜杜康宁郜元兴南京农业大学杂草研究室南京210095 常熟理工学院生物与食品工程学院江苏常熟215500 常熟理工学院数学与统计学院江苏常熟215500

借助风力传播连萼瘦果,是菊科入侵种最普遍的自然扩散方式,而其适应风力传播的特性与入侵性关系的研究还未得到足够的重视。阐明种子本身的风力传播特性与入侵潜力间的关系,可以为深入理解外来入侵种的入侵机制以及入侵种的控制提供理... 详细信息

借助风力传播连萼瘦果,是菊科入侵种最普遍的自然扩散方式,而其适应风力传播的特性与入侵性关系的研究还未得到足够的重视。阐明种子本身的风力传播特性与入侵潜力间的关系,可以为深入理解外来入侵种的入侵机制以及入侵种的控制提供理论依据。该研究以10种菊科入侵种为研究对象,测量其连萼瘦果的形态特征,测定它们在静止空气中的垂直沉降速度和模拟风力条件下的水平扩散距离,分析比较连萼瘦果的形态性状与沉降速度、水平扩散距离以及这些菊科入侵种在国内入侵范围的相关性。结果表明,根据连萼瘦果的形态特征,将这10个入侵种分为强、中和弱风传播3类;连萼瘦果的重量和冠毛特征对垂直沉降速度和水平扩散距离均有显著影响,对垂直沉降速度影响最大的因素是冠毛长度和冠毛上的小刺对数,对水平扩散距离影响最大的因素是连萼瘦果的重量和冠毛长度。在垂直沉降速度和水平扩散距离间存在极显著负相关性(r=-0.806,p=0.005),表明沉降速度越慢,借风力水平移动的距离越远。这些入侵种的发生程度与沉降速度间存在显著负相关性(r=-0.721,p=0.019),而与水平扩散距离之间存在着极显著正相关性(r=0.927,p=0.000),说明水平扩散距离比垂直沉降速度更适合作为评估菊科入侵种入侵能力的指标。根据上述研究结果,提出了南京市需重点防范胜红蓟(Agratum conyzoides)和牛膝菊(Galinsoga parviflora)等菊科入侵种的建议。

关键词：菊科连萼瘦果传播能力水平扩散距离入侵种冠毛沉降速度