课程文献中心 更多>>

关键词： 滚动轴承   连续小波变换   通道注意力机制   残差胶囊网络   变工况   故障诊断  

摘要： 针对传统深度神经网络在风电机组滚动轴承变工况运行条件下特征学习能力不足、诊断效果不佳的问题,提出了一种通道注意力机制(Channel Attention,CA)与残差胶囊网络(Capsule Residual Network,CPRN)组合的故障诊断模型CA-CRPN,以实现变工况下滚动轴承故障的高性能诊断。首先,对振动信号进行连续小波变换生成对应的时频图,经矩阵化重构后作为训练样本,经过通道注意力模块为不同特征分配权重,削弱冗余特征对识别结果的影响,然后输入由卷积层、残差块和胶囊层堆叠搭建的CPRN中,并采取权值共享的仿射变换矩阵替换全连接胶囊层以减少参数量、提高训练速度,最终输出诊断结果。分别用CWRU轴承数据集与实验台模拟数据进行实验。结果表明:CA-CPRN模型在变工况下的平均诊断准确率分别达到97.63%和98.23%,相比其他模型具有更好的泛化能力;在噪声情况下,2个数据集上的诊断准确率均优于其他模型,平均准确率分别达到99.09%和96.32%,证明了模型在抗噪方面的优越性。

关键词： 新媒体技术   直播电商   网络营销   人才培养模式   校企合作  

摘要： 构建动态更新的教程内容和多渠道职业发展路径可以适应行业持续发展需求。本文分析了新媒体技术发展、直播电商兴起以及新型消费行为特点,并对网络营销和直播电商行业的人才需求及其关键能力进行详细剖析。因此文章提出理论与实践相结合的教学模式,校企合作和持续教育的重要性,旨在构建一个能够适应快速变化市场需求的人才培养系统。文中通过多角度研究,提出一系列创新人才培养策略,以期为电商企业持续输送高质量的专业人才。

关键词： 智能变电站   试验专用网络   二次安全措施   VLAN  

摘要： 在某110 kV智能变电站新增110 kV备用电源自动投入装置的二次调试工作中,遇到了断开组网光纤后,采用数字继保测试仪“一对一”的调试方法无法完整有效地验证其逻辑与跳合闸等功能正确性的问题。针对该问题,采用了基于试验专用网络的多间隔二次调试方法,在保证二次安全措施完备的情况下,对该智能变电站的备自投等相关装置进行了多间隔联合调试工作。经现场检验,该方法完整可靠,为其他现场的类似问题提供了参考方案。

关键词： 独创性   版权   网络游戏   生成内容  

摘要： 文章从网络游戏玩家生成内容的可版权性分析着手,发现网络游戏玩家的时间、精力、财产投入与内容的独创性无关,网络游戏预设规则、目标的明确程度与玩家独创性空间负相关,网络游戏素材的基础程度与玩家独创性空间正相关。基于此,文章提出提升游戏玩家生成内容独创性的创作高度要求,旨在明确游戏玩家生成内容的法律边界,保护玩家的创作成果,进而推动游戏产业的创新发展。

关键词： 综合运输   脆弱性分析   复杂网络   西部陆海新通道   级联失效  

摘要： 西部陆海新通道涉及多个港口和货运站点,且通道内节点与线路易受各类风险事件影响,并伴随其导致的货流在节点间转移从而引发网络的级联失效,使通道呈现一定的脆弱性。因此,本文基于西部陆海新通道内存在的不同运输方式构建相应的子网络,复合叠加地理距离较近的节点,构建西部陆海新通道复合运输网络;其次,基于改进的相关性赋权法—优劣解距离法(CRITIC-TOPSIS)识别网络关键致脆节点,建立更符合真实复杂系统特性的非线性负载—容量的级联失效模型,设定网络连通度与网络过载效率指标测算网络脆弱性变化幅度;最后,对网络进行脆弱性仿真模拟,比较分析不同参数与策略设定对网络脆弱性的影响。仿真结果表明:西部陆海新通道复合运输网络能够有效体现各子网络之间的互补作用,相比于各运输子网络,在受到攻击后,网络的脆弱性水平显著降低;基于节点致脆度的蓄意攻击策略比其他节点攻击策略能使网络以更快的速度崩溃,失效节点数为10时,复合运输网络的脆弱性指标已下降99%,网络达到近乎崩溃的速度最快;在一定范围内调节容量系数可以有效降低西部陆海新通道复合运输网络的脆弱性水平,当容量冗余系数α≥4和β≥1.4,过载容量系数γ≥0.3时,网络对不同攻击策略的扰动抵抗能力较强,网络脆弱性水平较低。

关键词： 无线Mesh网络   应急救援   通信技术  

摘要： 面对我国灾害事故频发的新形势,应急救援通信保障需求不断提高,传统的通信方式已显不足。无线Mesh网络技术,以其去中心化、自组织等特性,与灾害事故应急救援通信保障的多样化需求高度契合,为提升通信效率和应对能力提供了有力支持。为此,本文阐述了无线Mesh网络技术的体系结构、特点,并探讨了基于无线Mesh网络的应急救援通信网络系统设计方案。

关键词： 边缘计算网络   联邦学习   通信模型   能耗模型  

摘要： 针对海量物联网终端训练所面临的网络资源瓶颈和数据安全问题,提出边缘计算网络中联邦学习算法设计与优化。首先,设计端边云三层联邦学习架构实现高效的联邦学习,设备端负责特征提取,边缘端和云端分别负责模型参数训练和整合;然后,引入模型压缩技术构建通信模型和能耗模型并对联邦学习问题进行建模,最小化云端模型训练的时延和能耗;最后,设计一种粒子群的方法获得原始问题的最优解,实现算法快速收敛,在一定程度上降低联邦学习算法的能耗和时延。仿真表明:相较于其他算法,该算法可以适应大规模的物联网场景,在保证算法收敛速率的同时,还在一定程度上降低了能耗和时延。

关键词： 替代触觉   触觉模拟   感知所有权   触摸需求   产品评价  

摘要： 在网络营销中,消费者无法真实触摸产品,这影响了其对产品的评价和购买决策。为解决这一问题,触觉补偿机制至关重要。本文从替代触觉出发,探究触觉替代效应的作用机制,即消费者在网络环境中观察手与产品的交互对产品评价的影响机制。研究发现,当消费者在网络环境中观察一只手与产品进行物理接触时,即触摸的虚拟性会使消费者产生触觉模拟,引起消费者触摸该产品的心理意象,进而增强消费者对该产品的感知所有权,这一影响机制促进了消费者有更好的产品评价;同时,消费者的触摸需求水平起到了调节作用,对于低NFT水平的消费者而言,替代触觉对产品评价的影响程度显著低于高NFT水平的消费者对于替代触觉对产品评价的影响程度。本研究不仅丰富了触觉营销的相关理论研究,同时也为电商平台如何更有效地动态展示在线产品提供了营销启示。In network marketing, consumers can’t really touch the product, which affects their evaluation of the product and purchase decision. In order to solve this problem, the haptic compensation mechanism is very important. This paper explores the action mechanism of haptic substitution effect from the perspective of vicarious touch, that is, the influence mechanism of consumers observing the interaction between hands and products in the network environment on product evaluation. It is found that when consumers observe a hand in physical contact with a product in the network environment, that is, the virtuality of touch will make consumers produce tactile simulation, cause consumers to touch the mental image of the product, and then enhance consumers’ perceived ownership of the product, and this influence mechanism promotes consumers to have better product evaluation. At the same time, consumers’ touch demand level plays a regulating role. For consumers with low NFT level, the impact of alternative touch on product evaluation is significantly lower than that of consumers with high NFT level. This study has not only enriched the relevant theoretical research of haptic marketing, but also provided marketing enlightenment for e-commerce platforms on how to dynamically display online products more effectively.

关键词： 遥感图像处理   云和阴影检测   深度学习   语义分割   卷积神经网络  

摘要： 云和阴影的检测与分割在遥感图像处理中具有重要意义。本研究通过对比三种不同的深度学习模型结构:U形网络(U-shaped network, UNet)、改进的UNet++以及结合了Swin Transformer(分层视觉Transformer,使用偏移窗口)的Swin-UNet(分割改编),评估它们在小数据集上对云和阴影分割效果。实验数据集选用遥感影像去云数据集,包含450组带有label(标签)和mask(掩模)的遥感图像。实验结果表明,尽管Swin-UNet模型在准确率上略高,达到了81.39%,但在小数据集上易出现过拟合和训练波动问题;改进后的UNet++模型增加了多个跳跃连接和批归一化层,最高准确率达到80.18%,且训练过程中的波动较小。UNet++模型在保持高准确率的同时,显著提高了模型的稳定性和泛化能力。本文的研究为在资源有限环境下进行高效的云和阴影分割提供了理论依据和实践指导,证明了适当改进的小模型在小数据集上的应用潜力。

关键词： 分布式光伏   相似时段   Transformer模型   超短期功率预测   卫星遥感信息  

摘要： 由于缺乏气象数据,分布式光伏在天气骤变场景下预测精度不高,提出了一种基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法。首先,将相似时段概念由日扩展至更灵活的时间段,并提出了一种历史功率与卫星遥感信息融合的匹配策略,旨在无须依赖气象数据的情况下,高效识别出对预测最为关键的相似功率时段。在此基础上,融合Transformer网络的强大时序建模能力,动态解析多源相似时段中的隐藏关联,深入挖掘功率关键特征信息,从而为天气骤变条件下的分布式光伏系统提供更为精确的超短期功率预测。最后,通过实际分布式光伏功率数据验证了所提方法的有效性。