课程文献中心 更多>>

关键词： 换流变压器   故障诊断   时频图   特征提取   并行CNN-LSTM  

摘要： 换流变压器是特高压直流输电系统的核心组件,其状态评估对保障电网稳定运行至关重要。针对换流变压器故障特征提取难和诊断精度不足的问题,提出了一种基于时频图与并行卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory network, LSTM)的换流变压器故障诊断方法。该方法首先通过连续小波变换(continuous wavelet transform, CWT)将一维时序信号转换为时频图;随后,一维时序信号与二维时频图像被同时送入双分支并行CNN进行特征提取;其次,对两种模态的特征进行拼接融合,利用压缩和激励(squeeze-and-excitation, SE)通道注意力增强关键特征;最终,通过LSTM进一步挖掘时间特征信息,进行故障诊断。实验结果表明,所提方法在换流站实际数据上的诊断准确率显著优于现有先进方法,能够实现更有效的特征提取,验证了其在故障识别方面的优越性。

关键词： 条件随机场   样本窗口   特征模板   上下文特征   特征函数  

摘要： 条件随机场作为应用广泛的序列数据标注模型之一,特征函数对模型训练至关重要,是运算的主体和参数估计的中心。对条件随机场的特征函数产生机制及相关数量之间的关系进行了探究——设定样本窗口大小和特征模板集是建模的关键,每个样本从特征模板扩展出上下文特征,上下文特征和任一标记组合生成特征函数,特征函数作用于模型训练得到相应权重参数。采用B、M、E、S四词位标注集,研究了基于条件随机场的词位标注汉语分词中特征函数的产生及其对模型训练的影响,在第二届国际汉语分词评测提供的PKU和MSRA两种语料上进行了特征函数产生的量化研究。研究结果表明:单字、双字、三字特征模板在同一语料中扩展出的特征函数的个数快速增加,不同单字特征模板在同一语料上扩展出的特征函数个数基本相同。训练出的模型大小与扩展出的特征函数成正比,训练时长和特征函数没有必然联系。

关键词： 凯莱图   半二面体群   完美边态转移   量子行走  

摘要： 研究半二面体群SD_(8n)上凯莱图的完美边态转移.利用SD_(8n)的表示和特征标,给出了其上凯莱图允许完美边态转移的充要条件.

关键词： 函数与导数   试题分析   解答过程   提炼结论   应用强化  

摘要： 含双参数的函数、方程、不等式问题是高考的热点题型,本文对2024年全国高考Ⅰ卷第18题进行思考与探究,揭示其解题思想方法,挖掘内涵,展开联想,应用提升,让复习课更有针对性、实效性和方向性.

关键词： 化学反应历程图   高考试题   反应物  

摘要： 对于大多数化学反应,反应物并不能通过一步反应直接转化为产物,化学方程式也不能说明反应的过程。大多数反应都需要经历若干个基元反应才能完成,而总反应所包含的各个基元反应以及它们发生的序列集合则称之为“反应机理”或“反应历程”。

关键词： 物联网   信息安全   信道特征   聚类等势星球图   卷积神经网络  

摘要： 由于无线电传输的开放性,无线通信网络带来的信息安全问题不断涌现。为确保无线通信中的用户信息安全,提出了一种新的物联网物理层身份认证方法。采用I/Q调制算法,将一维信号转换成二维复平面上的星座图,结合基于密度的空间聚类(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)算法,构建了更凸显不同信道特征且有利于信号分类的二维彩色聚类等势星球图。基于2种实测信道数据(一种涉及不同物理区域且用户终端设备可能属于不同蜂窝小区,另一种属于同一蜂窝小区),将2种场景的频域全信道数据转化为二维图像进行识别测试;利用卷积神经网络(Convolutional Neural Networks,CNN)和支持向量机(Support Vector Machine,SVM)模型对800张聚类等势星球图进行对比实验。仿真结果表明,所提出的CNN模型在识别准确率方面达到了99.6%,能够有效地识别出合法用户,为聚类等势星球图算法和CNN模型在物理层认证领域的应用提供了坚实的理论基础。

关键词： 刀尖点频响函数   激励实验   卷积神经网络   有限样本   迁移学习  

摘要： 针对刀尖点频响函数受机床主轴位置、主轴转速和刀具参数的影响较大的难点,为快速准确地获取机床刀尖点频响函数,文中引入迁移学习提出了一种基于少量试验样本来获取不同刀具参数的旋转刀尖频响函数预测模型的方法。首先,生成机床主轴位置和转速的正交规划表,基于空运行自激励法和卷积神经网络(CNN)算法,建立与机床加工位置和主轴转速相关的刀尖频响函数预测模型。其次,考虑刀具伸长量、直径和种类等参数的影响,利用少量的相关数据样本,基于迁移学习训练出不同刀具工况的刀尖频响函数预测模型。最后,基于加工中心VMC80IV开展了锤击实验和空运行自激励实验,采用实验数据对预测模型进行训练,以各阶次模态参数为模型输出值,通过模态叠加法重构出刀尖点频响函数,并对比模型预测值和实际测量值。结果表明,对于不同刀具工况下的旋转刀尖频响函数预测模型,各阶次固有频率的预测误差不超过2%,阻尼比的预测误差不超过5%,验证了该预测模型的有效性和准确性。

关键词： 悲剧   溺亡   暑假   责任划分   未成年人  

摘要： 暑假期间,未成年人溺亡悲剧多发频发。当发生溺亡时,责任该如何划分?以下案例提醒人们要增强风险防范意识、严格履行对孩子的监护和管理责任。

关键词： 水淹层厚度划分   测井曲线去噪   变分模态分解   随机森林   SMOTE算法  

摘要： 水淹层厚度划分任务是油田开发过程中重要的一环。为解决现有水淹层厚度划分方法耗时耗力,且测井曲线去噪方法效果不稳定等问题,该文提出了一种融合变分模态分解(Variational Mode Decomposition,VMD)和随机森林相结合的方法来对水淹层厚度进行智能划分。首先,通过VMD实现测井数据的多尺度自适应分解,同时去除噪声并保留关键特征,其中采用麻雀搜索算法优化VMD参数以提高分解的精确性;其次,借助主成分分析法自动选择相关特征,并对相关特征进行特征工程挖掘更多潜在信息;再次,结合SMOTE(Synthetic Minority Oversampling Technique)算法解决数据不均衡问题,由此构建平衡数据集;最后,利用改进的随机森林算法,实现了自动化厚度划分。实验以某油田L区块内17口井的测井数据为基础,该方法相比小波变换结合随机森林和单一随机森林算法具有更好的厚度划分效果,尤其在小样本情况下依然表现出良好的适应性,为高效、自动化的水淹层厚度解释提供了新思路。

关键词： 图编辑距离   图相似度   图神经网络   图嵌入学习  

摘要： 图编辑距离(GED)是一种常用的图相似性度量函数,其精确计算为NP-hard问题。因此,近期研究者们提出诸多基于图神经网络的图相似度计算方法。现有方法在特征提取时忽略了两个图节点之间的跨图交互信息,并且缺乏对图中节点高阶关系的学习。针对以上问题,提出了一种基于跨图特征融合和结构感知注意力的图相似度计算模型(cross-graph feature fusion with structure-aware attention for graph similarity computation,CFSA)。首先,该模型提出了一种跨图节点特征学习方法,引入跨图注意力机制提取节点的跨图交互信息,并将节点的局部特征和跨图交互特征进行有效融合;其次,提出了一种结构感知型多头注意力机制,结合节点特征信息和图结构信息,有效捕捉节点间的高阶关系。在三个公共数据集上的实验结果表明,CFSA模型的预测准确率相较于现有模型分别提升4.8%、5.1%、15.8%,且在大多项性能指标上均有优势,证明了CFSA在GED预测任务上的有效性和效率。