课程文献中心 更多>>

关键词： 行星变速器   故障诊断   频响函数   快速谱峭度   集合经验模态分解   自引导潜特征学习  

摘要： 针对行星变速器运行中由于振动传递路径的不断变化而导致的强噪声干扰问题,提出一种基于振动信号频响函数增强的自引导潜特征学习(bootstrap your own latent,BYOL)故障诊断方法。首先,通过角域重采样消除转速波动干扰,利用快速谱峭度精准筛选故障敏感频带;然后,使用集合经验模态分解(ensemble empirical mode decomposition,EEMD)对信号进行重构;最后,将重构的信号与白噪声激励相结合构建频响函数,作为BYOL自监督网络的输入,通过孪生网络架构学习故障特征,实现行星变速器的精准故障分类预测。实验结果表明,该方法能有效降低噪声干扰,显著提升故障诊断准确率。频响函数处理后的定转速和变转速数据的故障诊断准确率分别达到93.19%和93.32%,远高于直接使用原始数据的故障诊断准确率。

关键词： 诸众   政治主体   劳动主体   生命政治   无产阶级  

摘要： “诸众”(multitudo)是西方激进左翼学者奈格里和哈特指认的革命主体,但这一概念本身有其演变发展的历史。在古罗马时期,诸众作为一个形容数量和集体的概念被视为共和国的构成基础,马基雅维利在此之上赋予诸众政治能动性,使之成为一种制衡君主权力的装置。霍布斯通过构建“人民—诸众”的二元对立框架,将诸众排斥于政治体系的边缘;斯宾诺莎则在民主政体的理论构想中,揭示了诸众作为政治主体的能动性,将其确立为民主的核心要素。维尔诺、奈格里和哈特创造性融合斯宾诺莎的形而上学批判与马克思的劳动辩证法,激活了诸众的劳动主体性。在奈格里和哈特的重构下,诸众在生命政治维度完成其劳动本体论与政治本体论的统一:既在生产领域瓦解资本逻辑,又在政治维度创构新型民主形式。诸众概念的理论嬉变不仅更新了马克思的无产阶级理论,更为全球化时代资本控制下的集体解放提供了重要思想资源。

关键词： 区块链   动态网络分片   负载均衡   增量图划分   频时计数器  

摘要： 区块链因其不可篡改、可追溯等特性，为数据存储和交易提供了透明度和安全保障，在金融、民生服务与公共管理等领域展现了其广泛适用性。随着区块链技术在多元化应用场景中的深度渗透，其底层架构需要应对海量数据存储与高频交易处理的双重压力。为突破区块链系统的扩展性瓶颈，区块链分片技术应运而生，其通过分布式并行计算机制有效提升了系统整体吞吐量，这一技术已在以太坊2.0中获得成功验证。然而，当前区块链网络分片中仍存在跨分片交易频繁、重配置开销大和分片间负载不均的问题。针对这些问题，本文提出基于增量图划分的区块链动态网络分片策略，将增量图划分技术用于划分区块链网络交易图，根据网络中节点的变化适时调整分片，在新节点加入交易图中时只处理新增部分，无需从头开始重新划分，降低了跨分片交易比例，更适应区块链网络的动态变化；提出一种动态分片负载优化算法（DSLO，Dynamic Sharding Load Optimization Algorithm）计算交易在各分片上的权值，在算法中引入频时计数器（LFU-TTL，Least Frequently Used - Time To Live），通过结合交易频率和存活时间预测分片负载情况，优化负载均衡。实验结果表明，本方案能有效降低跨分片交易比例、分片重配置时的数据复制成本，改善分片间的负载均衡。

关键词： 脑卒中   运动功能障碍   脑电图   运动意图识别   深度学习   图-时空卷积神经网络  

摘要： 目的探讨图-时空卷积神经网络(G-STCNN)在脑卒中患者运动意图识别中的解码精度和模型性能。方法融合图卷积与时空卷积模块,构建能够同时感知脑电信号局部拓扑结构与全局空间-时间动态特征的G-STCNN模型。选择首都医科大学宣武医院提供的“中风患者脑电图数据集”公共数据库50例急性缺血性脑卒中(CIS)患者的2000条脑电图(EEG)数据集进行验证。采用混淆矩阵实验比较深度卷积神经网络、紧凑型卷积神经网络、浅层卷积神经网络、G-STCNN 4种深度学习模型的解码精度[正确率(ACC)、阳性预测值(PPV)、灵敏度(Sens.)与Kappa系数];采用消融实验评估去除图卷积模块(模块2)与去除时空卷积模块(模块3)后的G-STCNN模型性能。结果①混淆矩阵:深度卷积神经网络模型的左手与右手的分类准确率分别为57.44%和50.89%;误分类率分别为42.56%和43.56%。紧凑型卷积神经网络模型的左手与右手的分类准确率分别为57.56%和54.78%;误分类率分别为42.44%和39.67%。浅层卷积神经网络模型的左手与右手的分类准确率分别为56.56%和49.56%;误分类率分别为43.44%和44.89%。G-ST⁃CNN模型的左手与右手的分类准确率分别为73.55%和76.33%;误分类率分别为26.45%和23.67%。G-ST⁃CNN其对角线数值最大且颜色最深;而非对角数值最小且颜色最浅。②解码精度:与深度卷积神经网络、紧凑型卷积神经网络和浅层卷积神经网络比较,G-STCNN的ACC、PPV、Sens.和Kappa系数均明显更高,差异具有统计学意义(P<0.05)。③模型性能:G-STCNN左手、右手的特征点在二维空间中形成清晰的聚集与明显的边界。去除图卷积模块2后,左手、右手特征点分布明显混杂,聚类边界模糊;去除时空卷积模块3后,左手、右手特征点表现出高程度重叠,类间距离减小。结论G-STCNN模型运动想象任务解码精度更高,可为脑卒中患者分层干预提供数据支持。

关键词： 海洋飞沫   海洋飞沫生成函数   风浪夹角   热通量  

摘要： 海浪破碎产生的海洋飞沫在海气通量过程中至关重要.但以往研究表明:在相同风速下,不同海洋飞沫生成函数(SSGF)所估计的飞沫生成量差异可达4个数量级,这表明现有的SSGF仍存在很大不确定性.而相同风速下的海浪状态会有不同,这可能是导致已有SSGF存在显著差异的重要因素.针对这一科学问题,本文依托海洋塔基平台开展了海浪、海洋飞沫和海气热通量同步观测实验.结果表明,海洋飞沫生成量与风速和波龄密切相关;特别是,风向和波浪方向之间夹角的不同能够导致SSGF产生约1.3个数量级(约20倍)的变化.基于此,本文提出了无量纲风浪参数R_(B)^(0.7)β^(-1)cosθ和新的SSGF,并利用新的SSGF,分别对海气热通量参数(α=6.4,σ=16,γ=6.3)进行了拟合和评估,优化了液滴蒸发层(DEL)内海气热通量的计算,尤其对感热通量计算精度有显著改进.

关键词： 陈国   梏矢   隼鸟   孔子   石箭头   楷矢石努   肃慎部族  

摘要： 孔子周游到陈国时,一只中箭的隼鸟坠落在陈滑公的院子里。箭很特别:梏木杆,石箭头,长一尺八寸。陈国君臣都不认识。滑公请教孔子。孔子一看便说:“这是肃慎部族的贡箭——‘楷矢石努’。当年周武王分赐给陈国先祖作为纪念,应还保存在府库中。”滑公派人查找,果然在府库旧木盒里找到同样的箭。孔子仅凭一支箭,就准确说出了它的来历和历史,展现了惊人的学识。孔子博学多识,见微知著,让陈国君臣无不叹服。

关键词： 配电网   三相不平衡   动态分区   双层优化模型   相序优化   云模型   遗传算法  

摘要： 传统三相不平衡治理仅关注变压器关口处的三相不平衡情况,忽略了台区内部不平衡特征,且多采用静态调相策略,难以适应灵活源荷接入下低压配电网运行状态的动态变化。为此,提出了一种基于动态区域划分的三相不平衡治理策略。提出基于分区评价指数与阈值触发机制的动态分区方法,以划定后续相序优化的区域范围。建立考虑多类型灵活调节资源的双层优化模型,上层以各分区三相不平衡度最小为目标优化相序配置,下层构建以运行成本最小为目标的电压优化模型。采用基于云模型改进的遗传算法和Gurobi求解器分别求解上下层模型。基于改进的IEEE 123节点系统和0.38 kV实际配电网台区进行仿真,验证了所提策略的有效性与优越性。

关键词： 直接计算   数学竞赛   高斯函数   不等式放缩  

摘要： (本讲适合高中)近年来高斯函数在数学竞赛中的考查频率显著提升,然而相关的研究局限于高考题和简单的竞赛题,难以找到深层次的规律。笔者研究了近几年国内外的数学竞赛试题,提炼出六种核心解题思想:(1)直接计算;(2)不等式放缩;(3)复合最值;(4)配对思想。

关键词： 二次函数   深度学习   动点最值问题   初中数学  

摘要： 在初中数学体系中,二次函数是贯穿代数与几何的核心内容,而动点最值问题作为其综合应用的典型场景,因融合变量动态性、几何图形性质与函数极值分析,成为学生学习的难点.深度学习强调对知识本质的理解与迁移应用,所以本文以二次函数动点最值问题为研究方向,构建系统化的解题模型,通过解构问题类型、提炼解题策略、剖析典型案例,帮助学生建立从“知识输入”到“问题解决”的完整思维链,提升复杂问题的分析与求解能力.

关键词： 故障诊断   特征选择   递归图   深度残差网络  

摘要： 为保证石油管道系统的安全运行,需准确判断管道法兰盘堵塞工况,因此提出一种基于卷积神经网络的石油管道法兰盘堵塞诊断方法。首先,通过递归图对采集到的石油管道法兰盘的振动数据进行递归得二维图像,再将图像数据输入融合了ECA(efficient channel attention)高效通道注意力机制的AResNet(adaptive deep residual network)自适应深度残差网络中进行训练。该网络能够自适应地增强对故障敏感特征的关注度,同时削弱与故障相关性差的特征,以此取代原始的残差网络。最后,将测试集数据输入到模型中进行验证。结果表明:融合递归图和ECA-AResNet的石油管道法兰盘堵塞诊断模型与现有的方法相比具有更优的准确率、鲁棒性和计算性能。