课程文献中心 更多>>

关键词： 电机信号   故障诊断   图卷积网络   正则增强   诊断模型  

摘要： 振动信号是评估电机运行状态的重要指标，常被用来分析和判断电机可能存在的潜在故障。当前，基于深度学习的方法由于故障信号分布较为稀疏，模型易于预测稳定状态而难于准确预测故障状态。针对上述问题，对电机故障诊断任务进行了研究，创新性地提出了一种基于正则增强图卷积的电机故障诊断模型，在对电机状态进行关联编码的同时，引入正则增强结构以改善模型对多种故障类型的预测能力。实验结果表明，与传统深度学习方法相比，该方法在电机故障诊断数据集上实现了1.45%的精度提升，验证了模型的有效性。图卷积神经网络可以在信号序列中挖掘长跨度信号间的内在关联，结合正则增强结构，在多种工业时序任务中具有广阔的应用前景。

摘要： 为帮助义务教育阶段学生减轻作业负担,落实立德树人的根本任务,中共中央办公厅、国务院办公厅在 2021 年印发了《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》(简称"双减").在"双减"背景下,优化作业设计已成为提升课堂效率和促进学生全面发展的关键路径.函数作为初中数学的重要内容,其作业设计不仅关系到学生的逻辑思维培养,还影响其实践能力的提升.然而,当前的作业形式多以机械训练为主,探究性不足,难以适应"双减"政策的要求.笔者尝试以探究性作业设计为切入点,结合教学实践,探索设计符合"双减"精神的初中函数作业,为教师优化课堂教学和作业设计提供参考.

摘要： 2022 年颁布的义务教育数学课程标准中提到"基于核心素养发展要求,遴选重要观念、主题内容和基础知识,设计课程内容,增强内容与育人目标的联系".2018 年颁布的普通高中各学科课程标准中"凝练学科核心素养""重视了以学科大概念为核心,使学科内容结构化".围绕大概念进行单元教学设计成为学科教育发展的趋势,改变注重以课时为单位的教学设计、推进单元整体教学设计是落实核心素养的重要手段.如何避免碎片化教学设计,围绕大概念进行单元教学设计以真正落实核心素养呢?一线教师在实践的过程中还有很多困扰,下面,笔者结合"二次函数"单元教学进行探讨.

关键词： 天然径流   变异   Copula函数   水文响应关系   永定河山区  

摘要： 为探究二十世纪七八十年代以来永定河天然径流衰减的根本原因，诊断了永定河流域典型水文站天然径流序列变异点，采用Copula函数研究永定河流域天然径流与降水-径流响应结构关系变异特征，并讨论导致其变异的主要原因。研究表明：1956—2016年永定河干支流天然径流序列具有显著衰减趋势性与突变性；降雨-径流相关性结构在1983年前后的边缘分布、联合分布和条件分布概率变化呈显著调整，降水与天然径流的联合概率和分布区间在变化期内明显变小，满足相同产流需要的降水量在变化期内显著增加，表明20世纪80年代后永定河流域水文响应关系和产流机制已发生根本性变化；退耕还林、城镇化以及地下水开采可能是永定河天然径流及水文响应关系变异的原因。

摘要： 半导体掩模版是集成电路制造中的关键材料,被誉为芯片制造的"母版".它不仅是光刻工艺的图形载体码,更直接影响芯片的性能、良率和制程水平,战略价值日益凸显. 作为国内极少数具备独立研发能力的第三方半导体掩模版供应商,龙图光罩正以创新为驱动,加速推进这一关键材料的国产化进程.

关键词： 保安全   光伏日内保障出力   CNN-BiLSTM   多目标损失函数   保障率   保障电量占比  

摘要： 目前，光伏功率预测方法均是以追求整体预测精度最高为优化目标，导致部分时段的预测功率高于实际功率。基于高估的预测功率制定的发电调度计划可能无法满足实际电力需求，对电力系统保供产生不利影响。针对此问题，提出了一种以保安全为目标的省级光伏日内保障出力预测方法。首先，利用卷积神经网络(convolutional neural networks， CNN)的空间特征提取和双向长短期记忆网络(bi-directional long short-term memory， BiLSTM)的时间序列处理能力，构建基于卷积神经网络-双向长短期记忆神经网络(CNN-BiLSTM)的省级光伏日内保障出力模型。然后，引入包括正偏差预测精度、预测功率修正强度、正偏差识别准确性和模型响应速度在内的多目标损失函数，识别并提取光伏预测功率的正偏差时序特征。接着，对省级光伏日内原始预测功率结果进行修正，获得最低的省级光伏日内出力水平，并建立了2种面向光伏保障出力预测结果的评价指标，即保障率和保障电量占比。最后，基于我国西北某省实际生产运行数据对所提方法的有效性进行了验证。

关键词： 涡轮叶片   损伤分区   二阶聚类   边界优化   Alpha-Shapes算法  

摘要： 为了提高航空发动机涡轮叶片使用寿命，依据损伤发生位置的不同采取分类管理的策略，提出了一种基于无监督学习的损伤检查区域划分方法。该方法通过综合分析叶片的几何特征、应力以及温度分布等影响因素，利用二阶聚类算法建立了区域划分标准，确保划分区域能够准确反映叶片不同部位的结构特性和发生裂纹的风险水平。为了解决区域划分过程中边界模糊的问题，应用基于Alpha-Shapes和最小二乘法相结合的边界优化识别算法，实现了划分边界的清晰和平滑。划分结果与发动机原厂商设定的裂纹型损伤检查区域进行对比，结果表明：所有划分区域的Jaccard相似性系数均超过0.85，综合相似度为0.929，验证了划分结果的可靠性和方法的可行性。该研究成果可为航空发动机进行叶片分区管理提供重要理论依据和方法。

摘要： 机械波是高考考查的重要知识点,机械波中的质点振动图像和波形图像是研究机械波的重要信息来源.数学正弦函数图像、波形图像、质点振动图像均为正弦式图像,虽然物理量的意义不同,但横纵坐标表示的物理量都满足正弦式关系.通过对比这三个图像,使用数学关系可以快速解决机械波中的物理问题.

关键词： 结构函数   SiC功率器件   瞬态热特性   维纳反卷积   噪声抑制  

摘要： 碳化硅（SiC）功率器件的热特性建模是其设计与开发中的关键。结构函数法是表征器件热特性的重要手段，其核心在于通过反卷积算法得到输入数据的时间常数谱。然而，在实际测试中，环境噪声的影响难以避免，这对结构函数的反卷积算法提出了更高的挑战。为此，该文提出一种基于改进维纳滤波的反卷积结构函数算法，有效解决瞬态热分析过程中测量数据的噪声问题。首先，提出一种基于维纳滤波反卷积的结构函数模型，并通过TDIM-Master基准问题进行分析，验证了算法的有效性。其次，针对基准问题加载了不同量级的噪声，以探索不同噪声条件下时间常数谱的信号质量和峰值热阻，并与常规算法进行对比，验证改进方法在处理噪声问题时的准确性和优越性。最后，基于两颗不同规格的SiC功率器件，测量在有无导热硅脂下的瞬态热阻，并进行结构函数分析，验证本文提出算法在真实测量环境下的稳定性和适用性。

关键词： 区块链   机器学习   共识算法   供应链  

摘要： 近年来，随着供应链企业的迅猛发展，如何构建高效的供应链管理策略模型成为研究的热点。当前，供应链管理面临着库存成本高昂、通信开销巨大的问题。针对这些挑战，本文提出了一种融合机器学习与改进实用拜占庭容错(Practical Byzantine Fault Tolerance， PBFT)共识算法的优化方案。该方案采用遗传算法与梯度算法相结合的混合优化策略，兼具全局寻优和局部精细调整的优势，从而显著降低了库存管理成本。同时，PBFT共识机制通过引入Honest-peer信誉模型和可验证随机函数有效提升了节点选举过程的效率和系统的整体可靠性。仿真实验结果表明，与传统方法相比，该优化方案在降低供应链管理成本方面取得了显著效果，具体表现为库存成本平均下降了4.6%，通信开销减少了约50%，具有广泛的应用前景和实用价值。