检索结果-南通市图书馆

基于HTMFDE以及ICNN的滚动轴承寿命状态识别方法

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2023年第2期20卷 723-734页

作者：董绍江刘文龙方能炜胡小林余腾伟重庆交通大学机电与车辆工程学院重庆400074 重庆工业大数据创新中心有限公司重庆400707

针对滚动轴承退化性能难以评估、寿命状态难以识别的难题,提出一种结合层次时移多尺度波动散布熵(Hierarchical Time-shifted Multiscale Fluctuation Dispersion Entropy,HTMFDE)、JRD距离(Jensen-Renyi divergence,JRD)以及改进卷积神经网络(Improved convolution neural network,ICNN)的轴承寿命状态识别新方法。首先,在传统多尺度波动散布熵的基础上,将传统均值粗粒化过程替换为改进的时移粗粒化过程,以解决传统均值粗粒化导致信号幅值特征丢失的问题。同时引入层次分解理论,克服多尺度分析方法不能全面提取不同频段故障特征的不足,得到最终的HTMFDE。之后利用HTMFDE方法提取滚动轴承信号的多维状态特征量,并进行归一化形成一组概率分布,计算轴承正常信号与故障信号之间的JRD距离作为性能退化指标。其次,根据构建的JRD性能退化曲线,划分轴承寿命状态并制作数据集,通过标签化的样本训练具有双层多尺度特征提取层的卷积神经网络,建立滚动轴承寿命状态识别模型。为了加快模型的收敛速度,对每层卷积进行批量归一化操作,同时采用全局池化代替全连接层以提升模型的训练效率。最后,在2组不同的轴承数据集上进行实验。实验结果表明,根据HTMFDE构建的JRD性能退化曲线能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的ICNN模型在SNR=0~10 dB环境中平均识别正确率为98.5%,能够准确地识别轴承寿命状态,验证了所提方法的实用性以及有效性。

关键词：寿命状态识别滚动轴承层次时移多尺度波动散布熵 JRD距离改进卷积神经网络

SSA优化深度双向门控循环单元网络的轴承性能退化趋势预测

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第20期42卷 12-18页

作者：陈仁祥陈国瑞徐向阳胡小林张雁峰重庆交通大学交通工程应用机器人重庆市工程实验室重庆400074 重庆国际复合材料股份有限公司重庆400082

为在非经验指导下获取双向门控循环单元网络中最优隐藏层单元数,实现滚动轴承性能退化趋势预测,提出基于麻雀搜索算法优化深度双向门控循环单元的轴承性能退化趋势预测方法。首先,在正向门控循环单元网络基础上,增加反向门控循环单元网... 详细信息

为在非经验指导下获取双向门控循环单元网络中最优隐藏层单元数,实现滚动轴承性能退化趋势预测,提出基于麻雀搜索算法优化深度双向门控循环单元的轴承性能退化趋势预测方法。首先,在正向门控循环单元网络基础上,增加反向门控循环单元网络,以构建深度双向门控循环单元预测网络;然后,将预测值与真实值的均方误差作为适应度值,根据麻雀发现者和捕食者进行参数更新,经优化后获得最优隐藏层单元参数下的深度双向门控循环单元网络预测模型;最后,通过全连接层实现性能退化趋势预测。在公共数据集与实测数据集上进行试验验证,验证了所提方法的有效性与可行性。

关键词：滚动轴承性能退化趋势预测麻雀搜索算法参数优化适应度

A Novel Methodology for Measuring Individual-level Travel Regularity: A Joint Time-space-frequency Perspective

在线全文

学校读者我要写书评

暂无评论

Journal of Traffic and Transportation Engineering(English Edition) 2024年

作者： Xinwei Ma xiaolin Tian Hongjun Cui Minqing Zhu Xia Li School of Civil and Transportation Engineering Hebei University of Technology School of Architecture and Art Design Hebei University of Technology

Individual travel behaviors demonstrate a degree of regularity， particularly concerning time， space， and frequency repetition. Measuring the regularity of individual travel behavior contributes to understanding variations among individuals and provides opportunities for personalized transportation services. However， previous measurement methods have not comprehensively addressed these three aspects simultaneously or sufficiently captured the repetition of "basic travel behaviors"， while also relying on diverse data types without a comprehensive methodology covering multiple datasets. To address these research gaps， this paper presents an innovative method for measuring the regularity of individual users， which considers the repetition of basic travel behaviors along with temporal， spatial， and frequency dimensions. Applying this method to historical trip data from bike-sharing and subway systems has illustrated the effectiveness and applicability of the approach proposed in this paper. The findings suggest the broad applicability of this method across various data types， provided that the data allows for the extraction of information regarding users' travel origins and destinations. Moreover， this method effectively produces a regularity value to assess and compare the overall regularity of users， surpassing previous limitations that solely relied on using frequency as an initial filter or distinguishing users as regular or irregular based solely on frequency thresholds.

关键词：

CRYSTAL AND MOLECULAR STRUCTURE OF （CYANOETHYLOXY-FERROCENYL）-p-FLUOROPHENYL METHANE

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结构化学 1989年第1期 10-13页

作者： Sun xiaolin hu YuciDepartment of Chemistry, Inner Mongolia University, Hohehotehuang JinshunFujian Institute of Research on the Structure of Matter, Academia Sinica

The crystal structure of （Cyanoethyloxy-ferrocenyl）-p-fluoro-phenyl methane （Fc-C（H）OCH2CH2CN, Mr=363.23） belongs to the monoclinic spacegroup P21/c with unit cell parameters: a =9.751（3）, b =18.448（4）, c =9.891（4）A,β= 105.71（3）°,V= 1712.7A3,Z=4,Dc=1.409g/cm3,μ=8.930cm-1,λ=0.71073A （MoKα）,R=0.05. The structure and reactivities of the title compound are compared with those of its isomer.

关键词： CYANOETHYLOXY-FERROCENYL p-FLUOROPHENYL METHANE CRYSTAL AND MOLECULAR STRUCTURE OF than

A Magnetic-Driven Multi-motion Robot with Position/Orientation Sensing Capability

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

Research 2024年第1期2023卷 675-685页

作者： Liwen Zhang Song Zhao Xinzhao Zhou Xueshan Jing Yu Zhou Yan Wang Yantong Zhu xiaolin Liu Zehui Zhao Deyuan Zhang Lin Feng huawei Chen School of Mechanical Engineering and Automation Beihang UniversityBeijingChina Beijing Advanced Innovation Center for Biomedical Engineering Beihang UniversityBeijingChina

Miniature magnetic-driven robots with multimode motions and high-precision pose sensing capacity(position and orientation)are greatly demanded in in situ manipulation in narrow opaque enclosed *** magnetic robots have been carried out,whereas their deformations normally remain in single mode,and the lack of the robot’s real-time status leads to its beyond-sight remagnetization and manipulation being *** function integration of pose sensing and multimode motion is still of ***,a multimotion thin-film robot is created in a novel multilayer structure with a magneticdriven layer covered by a heating-sensing conductive *** a heating-sensing layer not only can segmentally and on-demand heat the magnetic-driven layer for in situ magnetization reprogramming and multimode motions but also can precisely detect the robot’s pose(position and orientation)from its electrical-resistance effect by creating a small deformation under preset magnetic fields.

关键词： robot Robot motion

基于CNN-BiLSTM的滚动轴承变工况故障诊断方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

振动．测试与诊断 2022年第5期42卷 1009-1016,1040页

作者：董绍江李洋梁天赵兴新胡小林裴雪武朱朋重庆交通大学机电与车辆工程学院重庆400074 重庆长江轴承股份有限公司重庆401336 重庆工业大数据创新中心有限公司重庆401000

针对变工况和噪声背景下滚动轴承故障难以诊断的问题,提出一种将注意力机制、DropConnect和Dropout混合加入到卷积神经网络双向长短时记忆网络(convolutional neural network-bidirectional long short-term memory,简称CNN-BiLSTM)模型的滚动轴承故障诊断方法。首先,将滚动轴承不同工况下的各类故障状态的原始振动信号进行预处理,构建标签化的训练数据集和测试数据集;其次,把注意力机制引入到BiLSTM中提取更加重要的深层故障特征,同时将DropConnect和Dropout混合使用分别抑制CNN和BiLSTM网络在训练过程中的过拟合问题,从而得到改进的CNN-BiLSTM模型;然后,将处理后的标签化数据集输入改进的模型中训练;最后,利用Softmax分类器进行故障类别诊断。通过选取不同数据集验证,证明该方法均有较好的泛化性和抗噪能力。

关键词：变工况故障诊断卷积神经网络双向长短时记忆网络注意力机制 DropConnect和Dropout

在线全文

学校读者我要写书评

暂无评论

降低医药类科技期刊清样差错的策略探析

新闻研究导刊 2023年第9期14卷 63-66页

作者：段思怡胡晓霖重庆大学附属肿瘤医院中国药房编辑出版中心重庆400042

2020年国家新闻出版署印发的《报纸期刊质量管理规定》明确提出,期刊编校差错率不超过万分之二的,其编校质量为合格,但是实际工作中稿件清样差错率经常出现大大超过这个限值的情况。在编校流程前端尽量减少稿件编校差错,降低清样差错率... 详细信息

2020年国家新闻出版署印发的《报纸期刊质量管理规定》明确提出,期刊编校差错率不超过万分之二的,其编校质量为合格,但是实际工作中稿件清样差错率经常出现大大超过这个限值的情况。在编校流程前端尽量减少稿件编校差错,降低清样差错率,对降低期刊编校质量不合格风险具有重要意义。文章围绕《中国药房》这一药学类综合学术期刊,通过分析编校工作中的差错实例,总结医药领域期刊所载文稿的差错风险特点及成因。文章发现,医药类文章由于数据量大、涉及实验/试验操作步骤复杂、参考文献数量多等,所以出现逻辑性和事实性方面隐性差错的风险更大;此外也存在政治、法律法规等方面的差错风险。针对这些特点,文章提出了从意识层面和技术层面降低清样差错率的综合举措建议。首先,在意识层面上,建议强化、提升编辑的责任心和职业素养,使其保持严谨的态度和善于质疑的精神,勤于核查,特别是对数据和专业术语等。其次,在技术层面上,建议多措并举,具体包括:明确清样编校的基本总则为模块化与流水线作业,避免注意力分散;采用纸质版和电子版等多种介质交替,消除审美疲劳;善用黑马、方正等智能审校软件,结合人工查漏补缺;充分利用必应词典、Grammarly等英文翻译检查工具;有效利用善锋等参考文献自动校验工具,巧用铅笔标记、Excel软件核算数据等技巧。通过一系列措施,控制清样差错率,提高期刊的编校质量,为期刊高质量发展打好基础。

关键词：科技期刊编辑医药学清样差错率

维普期刊数据库博看期刊

AI赋能的P4ST决策智能分析:寻找知识服务的新质生产力

在线全文

学校读者我要写书评

暂无评论

数据分析与知识发现 2024年第3期8卷 1-9页

作者：张晓林上海科技大学上海201210 中国科学院文献情报中心北京100190

1挑战“低质生产力陷阱”?ChatGPT、Sora、Claude-3等的爆发和迅速迭代,带来了文本、图像、视频生成领域的根本性变革,还激发了基于大语言模型(Large Language Models,LLM)的知识搜索、汇集、归纳、提炼、生成等知识生产力工具和智能副... 详细信息

1挑战“低质生产力陷阱”?ChatGPT、Sora、Claude-3等的爆发和迅速迭代,带来了文本、图像、视频生成领域的根本性变革,还激发了基于大语言模型(Large Language Models,LLM)的知识搜索、汇集、归纳、提炼、生成等知识生产力工具和智能副驾(Copilot)的日益普及。在科技领域,AI4S(AI for Science)快速发展[1],出现了多种科学大语言模型[2],机器人科学家和智能实验室快速成为现实[3],造就了科研范式5.0[4]。

关键词：语言模型智能分析科研范式 AI 知识搜索智能实验室

在线全文

学校读者我要写书评

暂无评论

基于颜色通道特征融合的环境声音分类方法

应用科学学报 2023年第4期41卷 669-681页

作者：董绍江夏蒸富方能炜邢镔胡小林重庆交通大学机电与车辆工程学院重庆400047 重庆工业大数据创新中心有限公司重庆400707

针对传统神经网络提取的复杂环境声音特征微弱,导致分类准确率低的问题,提出了一种基于颜色通道特征融合的环境声音分类方法。首先,从原始音频数据中提取出三种声音特征,即对数梅尔频谱图(log-Mel spectrogram,LMS)、梅尔倒谱系数(Mel-s... 详细信息

针对传统神经网络提取的复杂环境声音特征微弱,导致分类准确率低的问题,提出了一种基于颜色通道特征融合的环境声音分类方法。首先,从原始音频数据中提取出三种声音特征,即对数梅尔频谱图(log-Mel spectrogram,LMS)、梅尔倒谱系数(Mel-scale frequency cepstral coefficients,MFCC)以及能量谱图(energy spectrum,ES);其次,分别将以上三者作为RGB颜色通道分量进行特征融合,形成包含更多特征信息的声谱图,更全面表征环境声音;再次,为了避免由于数据集较少导致所训练的模型泛化能力较差,对预训练模型VGG-16采用微调方法进行训练;最后,在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性,并与其他模型的准确率进行对比。结果表明,本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%,并且能提高实际场景采集的音频分类效果。

关键词： RGB颜色通道特征融合微调训练环境声音分类预训练模型