检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于二维相关红外光谱鉴别鞋底材料

激光与光电子学进展 2024年第9期61卷 513-518页

作者：张景顺吕小宝蔡能斌于奎栋上海公安学院侦查系上海市公安局物证鉴定中心上海市现场物证重点实验室

鞋底是犯罪现场容易提取到的微量物证，使用傅里叶变换红外光谱法结合统计分析对检验鉴别鞋底物证具有重要意义。选择5个主要材料为顺丁橡胶的鞋底样品进行鉴别研究，主要橡胶材料相同的鞋底，其原始光谱相似，难以有效区分，因此选取1... 详细信息

鞋底是犯罪现场容易提取到的微量物证，使用傅里叶变换红外光谱法结合统计分析对检验鉴别鞋底物证具有重要意义。选择5个主要材料为顺丁橡胶的鞋底样品进行鉴别研究，主要橡胶材料相同的鞋底，其原始光谱相似，难以有效区分，因此选取1800～650 cm-1范围的指纹谱图进行二阶导数分析和二维相关光谱分析。实验结果表明：样品间二阶导数谱图差异不显著，而二维相关光谱中交叉峰的个数、位置和响应顺序存在差异，可以用来区分不同的鞋底样品。基于二维相关红外光谱可对鞋底物证进行完全鉴别，且二维相关光谱分析技术在法庭科学领域应用潜力巨大。

关键词：二维相关光谱分析傅里叶变换红外光谱橡胶鞋底检验鉴别

基于开放集深度迁移学习的滚动轴承故障诊断方法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于开放集深度迁移学习的滚动轴承故障诊断方法研究

作者：蔡能太原理工大学

学位级别：硕士

随着工业化进程的不断推进,制造业已逐步成为我国经济“创新驱动、转型升级”的主战场,也是国民经济的主要支柱。旋转机械为满足实际生产的需要,往往需要长期工作在高负荷、高温、腐蚀以及高作业率等恶劣复杂环境下。滚动轴承作为旋转... 详细信息

随着工业化进程的不断推进,制造业已逐步成为我国经济“创新驱动、转型升级”的主战场,也是国民经济的主要支柱。旋转机械为满足实际生产的需要,往往需要长期工作在高负荷、高温、腐蚀以及高作业率等恶劣复杂环境下。滚动轴承作为旋转机械中的重要零部件之一,在机械运转时一旦发生故障将会造成巨大的经济损失,其状态监测和故障诊断对保障机械设备安全可靠运行起着重要的作用。针对目前旋转机械智能故障诊断研究中存在的问题及难点,本文以深度迁移学习技术为核心,以旋转机械中的滚动轴承为研究对象,结合领域自适应方法分别在闭合集以及开放集设置下开展了一系列的研究工作。通过构建端对端的深度对抗迁移故障诊断模型,为解决复杂工业应用环境下的机械设备状态检测和智能诊断提供了研究思路和方法。具体开展的研究内容如下:首先,分别通过在实验室和工业现场下设计搭建数据采集系统,采集轴承的故障振动信号数据,根据实际应用场景中常见的滚动轴承故障类型,对轴承选型并进行人为加工,模拟出现的不同位置以及不同尺寸下的疲劳点蚀故障,并根据后续迁移任务的需求构建相应的轴承数据集。其次,针对实际工业应用场景中出现的故障数据样本稀缺、变工况等复杂环境因素引起故障数据分布差异从而导致原始诊断模型精度下降的问题,提出一种基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法,将历史故障数据样本中的可用分类知识信息迁移应用于相关的仅含少量无标签故障样本的目标域中,实现知识的再复用。通过引入中间桥层,将领域的迁移分为两个独立的过程,实现对源域中可迁移的共有知识特征的充分学习,降低整体网络的数据传输难度。并且利用构建的相似矩阵获取目标域故障样本与源域样本在不同故障类别水平上的相似性,促进不同领域之间特征自适应匹配、类内聚类和类别之间的分离,实现更加全面的领域自适应对齐。最后,将所提方法模型分别在三种轴承故障数据集上进行试验验证,结果表明相较于其它对比方法,所提方法在实验室数据集上的诊断识别精度提高4.47%～8.82%,在工业现场下数据集的诊断识别精度提高3%～10%,在凯斯西储大学数据集上的诊断识别精度提高0.84%～7.47%。最后,针对闭合集下的智能故障诊断方法在复杂工业应用背景下的局限性,如在获取待测故障数据样本中含有历史监测样本中没有出现的新的故障类型的开放集问题,提出一种更具普适性的加权对抗迁移故障诊断方法,将源域故障样本中的特征知识迁移至具有更多类别的目标域故障样本中,在实现领域之间分布自适应对齐的同时分离目标域中的已知故障和未知故障类别。通过构建辅助分类器挖掘目标域样本与源域共享故障类别样本的相似信息,并组合主分类器对样本未知类的预测概率以衡量与目标域中共享类故障样本的相似度,导入加权模块为目标域样本分配相应的权重信息,以自适应生成决策边界来促进已知类故障样本与未知类故障样本的分离,同时实现对已知类故障样本的分类识别。最后通过实验室构建的轴承数据集上验证了方法的有效性。

关键词：滚动轴承领域自适应迁移学习开放集故障诊断

Absence of BCS–BEC crossover in FeSe0.45Te0.55 superconductor

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

Chinese Physics B 2024年第7期 89-96页

作者：贾俊杰谷亚东殷超辉束英杰陈逸雯史聚民张杏陈浩苗泰民任晓琳梁波朱文培蔡能张丰丰张申金杨峰王志敏彭钦军许祖彦毛寒青刘国东任治安赵林周兴江 National Laboratory for Superconductivity Beijing National Laboratory for Condensed Matter PhysicsInstitute of Physics Chinese Academy of Sciences University of Chinese Academy of Sciences Technical Institute of Physics and Chemistry Chinese Academy of Sciences Songshan Lake Materials Laboratory

In iron-based superconductor Fe（Se,Te）, a flat band-like feature near the Fermi level was observed around the Brillouin zone center in the superconducting state. It is under debate whether this is the evidence on the presence of the BCS–BEC[Bardeen–Cooper–Schrieffer（BCS）, Bose–Einstein condensation（BEC）] crossover in the superconductor. High-resolution laser-based angle-resolved photoemission measurements are carried out on high quality single crystals of FeSe0.45Te0.55superconductor to address the issue. By employing different polarization geometries, we have resolved and isolated the dyz band and the topological surface band, making it possible to study their superconducting behaviors separately. The dyz band alone does not form a flat band-like feature in the superconducting state and the measured dispersion can be well described by the BCS picture. We find that the flat band-like feature is formed from the combination of the dyz band and the topological surface state band in the superconducting state. These results reveal the origin of the flat band-like feature and rule out the presence of BCS-BEC crossover in Fe（Se,Te） superconductor.

关键词：

基于改进YOLOv5s的视频中打斗行为检测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

刑事技术 2024年

作者：侯裕迪杨洪臣蔡能斌中国刑事警察学院上海市刑事科学技术研究院

快速、准确地识别监控视频中的打斗行为对于执法部门和安保行业至关重要，有助于减少暴力事件的发生、维持社会治安稳定。本文提出了一种基于YOLOv5s改进的打斗行为检测模型，利用大量数据训练网络模型，能够更加准确地检测出各种打斗... 详细信息

快速、准确地识别监控视频中的打斗行为对于执法部门和安保行业至关重要，有助于减少暴力事件的发生、维持社会治安稳定。本文提出了一种基于YOLOv5s改进的打斗行为检测模型，利用大量数据训练网络模型，能够更加准确地检测出各种打斗行为。首先，采用开源交互式标记工具Labelimg对数据集进行标注。其次，使用轻量级网络MobileNetv3取代原来YOLOv5s模型的骨干网络，以减少模型的参数数量和计算量，提高模型检测精度。实验结果表明，相比原始网络，改进后的模型检测精度值由92%提升到94.4%，计算量由原来的15.8G减少到3.1 G，算法检测速度最快可达0.153 s，满足实时性要求。该模型适用于精度要求高、内存和计算能力有限的公安实践应用场景。

关键词：视频侦查轻量化模型改进YOLOv5s 打斗行为检测

‘紫琦’紫薇组织培养及增殖过程中内源激素含量变化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中南林业科技大学学报 2023年第7期43卷 101-108页

作者：张晴王湘莹陈亮明王晓明蔡能湖南省林业科学院湖南长沙410004 中南林业科技大学林学院湖南长沙410004

【目的】开展‘紫琦’紫薇组培研究工作,筛选出最适培养条件,建立紫薇新品种‘紫琦’组织培养快速繁殖体系,为‘紫琦’紫薇快速繁殖提供试验参考,并探明组培苗增殖过程中内源激素的调控机理。【方法】以‘紫琦’紫薇幼嫩的带腋芽茎段为... 详细信息

【目的】开展‘紫琦’紫薇组培研究工作,筛选出最适培养条件,建立紫薇新品种‘紫琦’组织培养快速繁殖体系,为‘紫琦’紫薇快速繁殖提供试验参考,并探明组培苗增殖过程中内源激素的调控机理。【方法】以‘紫琦’紫薇幼嫩的带腋芽茎段为外植体,研究HgCl2处理不同时间对外植体萌发的影响;研究不同基本培养基和不同浓度的6-BA与NAA组合对‘紫琦’紫薇增殖的影响;运用酶联免疫吸附测定法测定‘紫琦’紫薇组培苗不同增殖时期4种内源激素(IAA、ABA、ZR、GA3)的含量,研究‘紫琦’紫薇增殖过程中内源激素的含量变化;研究不同IBA浓度及不同遮光天数对‘紫琦’紫薇生根的影响,并对生根组培苗进行炼苗。【结果】用HgCl2对‘紫琦’紫薇茎段进行消毒处理,消毒时间为10 min时,萌发率最高,为81.1%,污染率为19.0%;DKW培养基适合‘紫琦’紫薇继代增殖,增殖系数最高达5.90,且增殖芽多,植株生长健壮。当6-BA浓度为1.0 mg·L^(-1),NAA浓度为0.2 mg·L^(-1)时增殖系数最高;增殖过程中内源GA3含量最高,IAA含量次之,ABA和ZR含量较低,4种内源激素增殖后含量均高于增殖前,GA3/ZR、GA3/ABA和IAA/ZR值波动幅度较大,IAA/ABA和ABA/ZR值波动幅度较小;IBA浓度和遮光天数均对‘紫琦’紫薇生根影响显著,在生根培养基中添加0.6 mg·L^(-1)IBA并遮光5 d,生根率最高为94.0%,且植株生长健壮;炼苗后将组培苗移栽到泥炭土∶珍珠岩为2∶1的基质上,成活率高达94.0%。【结论】HgCl2处理时间为10 min时消毒效果最好,DKW培养基更合适‘紫琦’紫薇继代增殖,最佳增殖培养基为DKW+1.0 mg·L^(-1)6-BA+0.2 mg·L^(-1)NAA,高浓度内源IAA和GA3有利于‘紫琦’紫薇组培苗增殖分化,GA3/ZR、GA3/ABA和IAA/ZR值在增殖过程中起主要调控作用,生根诱导时添加0.6 mg·L^(-1)的IBA并遮光5 d,生根率最高。

关键词： ‘紫琦’紫薇茎段快速繁殖生根诱导内源激素

在线全文

学校读者我要写书评

暂无评论

多轴疲劳裂纹扩展行为研究

机械强度 2004年第4期26卷 423-427页

作者：尚德广王大康孙国芹蔡能北京工业大学机电学院北京100022

利用扫描电镜对多轴比例和非比例加载下的疲劳试样的断口面和外表面进行扫描观测分析。根据薄壁管拉—扭复合加载试件断口附近表面观测结果 ,统计其裂纹扩展的位向 ,研究多轴疲劳裂纹萌生及扩展机理。研究表明 ,多轴疲劳裂纹主要是沿最... 详细信息

利用扫描电镜对多轴比例和非比例加载下的疲劳试样的断口面和外表面进行扫描观测分析。根据薄壁管拉—扭复合加载试件断口附近表面观测结果 ,统计其裂纹扩展的位向 ,研究多轴疲劳裂纹萌生及扩展机理。研究表明 ,多轴疲劳裂纹主要是沿最大剪切平面或垂直于管形试样的轴线方向扩展。在多轴比例加载条件下 ,裂纹分布的分散性较小。在非比例加载条件下 ,随着相位差的增大 ,分散性增大。

关键词：多轴疲劳疲劳裂纹萌生与扩展比例加载非比例加载

基于中间桥层和相似矩阵的深度对抗迁移故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机电工程 2023年第5期40卷 655-663,672页

作者：蔡能武兵李翔宇李聪明太原理工大学机械与运载工程学院山西太原030024 太原理工大学新型传感器与智能控制教育部重点实验室山西太原030024

采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB... 详细信息

采用深度对抗迁移学习算法进行故障诊断时,受到领域中丰富的特征属性的影响,在领域自适应中无法充分学习可用于迁移的共有知识特征,且其在类别水平上忽略了不同类别的对齐程度的差异。针对这一问题,提出了一种基于中间桥层和相似矩阵(MB-SM)的对抗故障诊断模型,以实现对滚动轴承故障进行跨域诊断识别的目的。首先,利用改进的一维多尺度残差网络对数据的特征进行了提取;然后,引入了中间桥层和相似矩阵,完成了对共有知识特征的充分学习,降低了整体网络的数据传输难度,进一步加强了源域和目标域中同一类别内的聚类和类别之间的分离,提高了故障数据的领域适配能力;最后,采用实验室轴承数据集和美国凯斯西储大学(CWRU)数据集,对基于中间桥层和相似矩阵的模型方法进行了验证。研究结果表明:在自建实验室数据集中,采用基于中间桥层和相似矩阵的方法可以达到90.37%的平均准确率;在美国凯斯西储大学(CWRU)数据集中,也可以达到99.34%的平均准确率。相较于其他迁移学习对比模型,采用该模型方法可以获得更好的诊断性能。

关键词：滚动轴承故障跨域诊断识别中间桥层和相似矩阵对抗性迁移学习领域自适应深度卷积神经网络