关键词： 精神科疾病   药品推荐   数据处理   疾病分类   线上问诊  

摘要： 电子商务模式的迅猛发展,影响着人们的生活方式,线上购药逐渐成为一种发展趋势。但是,目前销售平台将药品按照普通商品的模式,通过销量、用户点击等行为进行统一的商业化推荐,没有考虑到药品的特殊性以及不同疾病之间药品的差异性。根据疾病类型对药品进行针对性推荐,能准确、高效的帮助用户寻找到符合自身需求的药品,由于疾病种类繁多,因此选择了特点显著的精神科疾病作为研究对象。精神科疾病和普通身体疾病不同,患者通常会有病耻感,导致就诊率不高,网上问诊更具有实际意义,且精神科疾病药品大多为处方药,将疾病问诊与药品推荐整合,更能保证推荐结果的专业性,系统对这类药品进行展示,作为辅助用药的参考。本文以精神科疾病作为研究案例,对后续根据更多的疾病种类进行药品推荐的研究以及形成医疗和药品一体的平台具有重要的研究价值和指导意义。本文研究并实现了基于智能问诊的药品推荐系统,该系统能够根据用户的病情描述、精神科疾病辅助诊断问题的回答等信息输出用户所患疾病,再推荐治疗疾病的相关药品。主要工作如下:1.数据的采集和预处理。数据主要来源为“好大夫在线”医患交流平台中精神科疾病的问诊数据,对爬取的数据进行分词、词性标注、提取关键词等预处理操作。针对单一关键词提取算法不能有效挖掘文本信息的问题,本文将TF-IDF和词性融合到Text Rank算法中并设置对比实验,实验表明融合后的关键词提取算法能更好的提取文本特征。另外,通过设置关键词提取个数的对照试验,研究不同的关键词个数对模型有效性的影响。2.疾病诊断模型的研究与构建。疾病诊断的实质是根据用户的病情描述以及精神科疾病辅助诊断问题的回答进行疾病分类。首先,对Fast Text算法进行研究分析,针对Fast Text算法输入层数据中的无关词汇影响分类效果的问题,本文将输入层数据使用融合的关键词提取算法进行关键词提取操作。其次,采用Fast Text、多分类逻辑回归（Multiple classification Logistic Regression,MLR）、双向长短期记忆网络（Bi-directional Long Short-Term Memory,BI-LSTM）三种分类模型在医疗数据集上进行训练和测试。经研究比较,Fast Text相较于其余两种算法在运行速度和模型效果上更有优势。结合应用需求,将Fast Text算法作为疾病分类的最终算法。3.疾病问诊与药品推荐。疾病问诊流程包括:首先,由用户根据自身情况进行病情描述;其次,患者回答精神科疾病辅助诊断问题,该题的设置可以使提问更具有专业性和代表性;最后,利用疾病分类模型对病情描述、辅助诊断题的回答等信息进行疾病判断,输出概率最高的疾病种类。问诊结束后,根据疾病问诊结果向用户推荐治疗该种疾病的药品,为了更合理有效的推荐相关药品,采用Jaccard相似系数对药品数据进行相似度计算从而将治疗同种疾病的药品通过相似度关联在一起,作为用药辅助依据。4.药品推荐系统的设计与实现。根据上述研究内容,设计并实现了基于智能问诊的药品推荐系统。该系统的核心包括用户信息管理、智能问诊、疾病知识、药品推荐等模块。通过此系统将问诊与药品进行资源整合,相较于目前只提供药品购买服务的平台具有一定的进步,帮助用户解决生活中的需求,具有较高的实用价值。

关键词： 生产管控系统   生产状态监测   Android   数据处理  

摘要： 针对生产车间的信息化程度不断提升的现实产业问题,本文采用Android、无线通信等技术,搭建基于Android的工业生产管控系统。该系统包括物理层、信息层和系统层架构,实现了移动端对车间设备运行状态的实时监测,并完成数据的统计和存储。生产管控系统的物理层,由欧姆龙中间继电器、直流继电器等器件组成信号采集模块,可实现对工厂设备的数据采集,并提高了对设备信息采集的覆盖范围,解决了生产车间的设备老旧、种类多且信号采集方式繁杂的问题;以STC89C52作为主控芯片,利用n RF24L01+模块完成多对一的数据传输,并通过ESP8266Wi-Fi模块将采集数据上传至One NET云平台,完成下位机与云平台的远程数据传输,最终在移动端通过云平台获取实时数据,从而实现“终端-平台-应用”之间的信息交互。运用Android开发管控平台构建信息层,其中系统以C/S架构为基础,搭建了用户登录、设备管理、数据查询、订单排产等模块。最后,为构建车间管理的系统层,利用本系统采集的设备状态数据,通过Plant Simulation进行仿真实验,分析并优化了设备利用率,提高了车间生产效率。

关键词： 一维卷积神经网络   残差神经网络   条件生成对抗网络   电机故障检测   小样本学习  

摘要： 电机是工业生产设备中的关键部件,在工业机械制造设备中占据非常重要的地位。在实际环境中,电机轴承是最容易受到破坏的部位,它受到环境条件和载荷变化的影响。电机轴承一旦损坏,可能会影响整个工业系统的正常运行,因此智能化检测电机轴承是否发生故障是十分有价值的。传统的故障检测方法往往需要大量的专家知识和时间成本,这在一定程度上限制了对故障信号的数据特征进行深度提取。深度学习是目前比较热门的一种故障检测方法,深度学习模型在故障检测领域有较好识别准确率。另外,在实际运行过程中,电机的故障数据量较少,在模型训练时就可能存在数据量不足而导致训练集失衡的问题。针对以上问题,本文主要做了以下研究: (1)考虑到传统故障检测方法的局限性和一维卷积神经网络1DCNN的特点,本文提出了一种基于1DCNN模型的电机故障检测方法。该方法将电机轴承时域振动信号作为输入数据,建立1DCNN模型进行特征提取,最终对其进行分类,以此来完成故障检测。本文的实验数据集采用美国凯斯西储大学CWRU公开的电机轴承数据集,并通过重叠采样和非重叠采样对原始数据集进行不同比例的划分。通过实验对其网络结构的参数进行比较选择,并将训练好的1DCNN网络模型和其他分类算法做实验对比,从结果可以看出本文所提出的算法模型有较好的故障识别率。 (2)对于电机故障数据量少而造成的训练数据集失衡的问题,本文在残差神经网络和条件生成对抗网络的基础上提出R-CGAN复合网络模型。加入残差神经网络,其目的是想要减少网络过拟合现象从而保证网络模型的稳定性。加入条件生成对抗网络的目的是想对小样本故障数据进行对抗训练,从而使得生成数据能够很好地模拟原始数据的特征,以达到数据增强的目的。首先对该模型在小样本故障数据下进行了实验验证,证明了本方法的有效性。接着逐渐减少故障样本的数据量,分别和其余几种分类算法做实验对比,结果表明本文方法的识别准确率较高并且稳定性好。最后将本文方法生成的数据和原始数据进行混合,然后检验其故障分类准确率,对生成样本的数据质量进行检验。

关键词： 利益衡平   数据处理者   数据安全保护义务   《数据安全法》  

摘要： 大数据时代,数据处理带来的便利和经济效益远超想象,但过程中出现的数据滥用、非法交易等数据处理的行为乱象越来越多,亟待解决。本文以数据安全保护为研究内容,从数据处理者承担义务的角度,对《数据安全法》中的数据安全保护义务进行具体展开。在进行利益衡平的基础上,总结数据处理中存在的问题,肯定数据处理者的价值,分析其承担义务的可行性,并对现有的原则性义务展开讨论,提出完善建议,以期推动数据安全保护义务的落实。因此,本文尝试以《数据安全法》中的一般数据、重要数据和其他特殊数据作为义务设定的强度依据,要求数据处理者在不同数据类别的处理情境下承担不同强度的义务,包括一般数据处理前的方法选择、重要数据处理中的风险监测、数据收集与泄露的双重通知、数据分级分类、设置专门的监督部门等义务内容。并在此基础上,对原有的条文提出具体化的数据安全保护义务内容规范建议,以便于找到数据安全保护和数据流动间的平衡点,既能保障数据的流动,也能减少数据主体的风险,实现数据保护与利用的价值目标。

关键词： 陀螺定向   光纤陀螺全站仪   静态寻北   经验模态分解  

摘要： 陀螺全站仪是一种将陀螺仪与全站仪集成连接于一体,通过陀螺敏感地球自转,独立测定地面任意真北方位的精密定向测量仪器。由于其具有定向精度高、定向速度快、受环境约束少等特点,而被广泛应用于矿山、隧道、城市地铁等地下工程。当前我国隧道与地下工程建设迎来了黄金发展期,对隧道与地下工程方位基准的精确性提出了更高的要求,为保证隧道工程的高精度贯通,陀螺定向技术的发展起着重要作用。 在测绘领域,传统的陀螺全站仪多采用摆幅式陀螺,其普遍存在外界干扰力矩影响大、悬挂带易断裂、零位稳定性等问题。相比较而言,光纤陀螺采用全固化结构,内部没有运动部件,具有抗冲击能力强、启动时间短、工艺相对简单、价格便宜等优势。然而,在实际测绘工程应用中,我们发现在某些特殊环境下,光纤陀螺的寻北精度受外界环境噪声和寻北方案的影响较大。针对上述问题,本文结合自主设计研发的光纤陀螺全站仪,开展了如下工作: 1.介绍了我们自主研发的光纤陀螺全站仪,分析了其轴系误差。使用Allan方差作为光纤陀螺的评价指标。根据光纤陀螺输出数据的特征,提出了先用EMD进行分解,然后使用DFA方法计算各个IMF分量的标度指数(6并设定了阈值,再用小波阈值去噪对筛选出的IMF分量去噪,最后重构得到处理之后的陀螺数据。 2.设计了寻北实验,实验验证了本文所提出的方法对光纤陀螺寻北数据具有良好的去噪效果,通过计算多个测回的寻北结果分析其中误差,证明本文的方法可以有效提高寻北精度。 3.针对光纤陀螺全站仪定向观测数据文件多、数据量大等问题,为了快速准确得到粗寻北的寻北结果和分析原始数据,使用MATLAB设计制作了GUI界面。设计了定向实验,定向实验使用光纤陀螺全站仪在实际工程中进行陀螺定向工作,定向结果证明光纤陀螺全站仪能够在实际工程项目中完成测量工作,本文提出的方法可以有效提高定向精度。

摘要： 采取项目式学习模式，能够将信息技术课程的各种知识点很好地融合在一起，使各种零碎、分散和孤立的知识点能够有机地融合在一个项目当中，这样能够使其更加系统和完整。随着科技进步，社会迈入了信息化时代，人们的生活迎来了巨大的变化。随之而来的是社会对人才的大量需求，学校对人才的培养必须要紧跟时代和社会的发展变化。

关键词： 动车组   数据处理   故障诊断   LSTM   YOLO  

摘要： 我国高铁的发展取得了令人瞩目的成就,高质量发展的背后是铁路持续推进科技创新取得的重要成果,是高铁智能运维能力的全面提升。随着高铁动车组上线运营数量的大幅度增加,动车组相关数据日益丰富,这些种类繁多且结构各异的数据真实地反映了动车组的运行状态和故障情况,是开展动车组智能运维的重要基础。本文从动车组数据分析处理和应用的角度出发,对基于大数据的动车组数据处理与其在故障诊断中的应用涉及到的理论和技术开展研究,论文内容包括:(1)动车组数据源研究。针对当前动车组业务系统数据源的特点,提出了科学的分类方法,并对不同数据类型的动车组数据进行分类。从业务场景、数据来源、数据结构方面分析了动车组数据特点,为动车组数据处理分析和设计提供依据。(2)动车组数据处理分析研究。分析了动车组数据处理需求,论述了动车组数据现存的问题,并设计了数据处理的流程。通过引入大数据处理方法和相关技术,分层、分级规划构造动车组数据处理架构,集成动车组多源海量业务数据并实现数据的采集、清洗、转化和存储处理。(3)动车组牵引电机故障预测研究。针对当前牵引电机故障诊断方法的不足之处,提出了基于长短期记忆神经网络(LSTM)的牵引电机故障预测模型,提取动车组牵引电机温度数据特征进行预测,并使用牵引电机真实运行数据制作数据集训练模型,试验结果表明相较于传统网络模型,论文设计的模型输出结果与真实值差异更小,更适用于动车组牵引电机温度预测的任务场景。(4)动车组裙板图像故障诊断研究。当前动车组图像数据的分析与判断需要人工完成,本文针对动车组走行部的保护部件裙板,提出了基于卷积神经网络的裙板故障诊断模型,首先通过K-means聚类算法对检测目标进行聚类分析,其次选择YOLO算法并分析网络结构,最后使用多组尺度特征的裙板故障数据集训练网络。试验结果表明模型能够快速准确地实现动车组裙板的故障诊断。(5)在基于大数据的动车组数据处理与其在故障诊断中的应用研究基础上,本文明确了数据处理和故障诊断的功能需求,提出了功能目标,以动车组故障诊断与健康管理系统为测试场景设计了功能模块。将动车组数据应用到该系统中,实现了动车组运行监控和故障预警的功能。图50幅,表12个,参考文献69篇。

关键词： 对话问题生成   序列到序列模型   预训练模型   深度学习   数据处理  

摘要： 对话问题生成旨在根据给定长文本和对话历史生成对话式问题。在日常生活中,对话式问答更为常见,人们之间进行连续问答来传递信息。对话问题生成可广泛应用于教育、医疗和商业服务等领域,具有较大的应用前景。目前研究对话问题生成的主流方法是基于深度学习技术设计神经网络模型,然而模型生成的对话问题距离应用仍有很大的差距。本文主要基于序列到序列模型和预训练模型来分析如何提升对话问题生成的性能,本文主要的工作如下:(1)基于序列到序列模型的对话问题生成。本文构建了一个基本的序列到序列对话问题生成框架,并基于此框架对对话问题生成的答案信息、对话历史信息和长文本信息这三个具体方面进行建模分析。基于建模分析结果,本文提出了一个基于序列到序列模型改进的对话问题生成框架,为了更好地利用输入序列信息,本文从长文本信息中提取了包含答案的句子,将长文本、包含答案的句子和对话历史这三个信息源进行分开编码,根据不同信息源的特点设计了对应的编码器使用特征融合门机制对信息进行结合。实验结果表明,此方法可以有效提升模型对于输入序列的关键信息提取能力。本文根据改进的序列到序列对话问题生成模型,实现了一个可与用户进行交互的对话问题生成系统。(2)基于预训练模型的对话问题生成。从语言学上来说,对话问题类型的确定有利于引导对话问题内容的生成,预训练模型BERT在文本分类上有着很好的表现,本文设计了一个结合预训练分类模型和序列到序列生成模型的对话问题生成框架,同时本文采用决策级融合方式设计了一个基于BERT的多模型融合分类器来提升模型分类效果。实验结果表明,此框架能够提升对话问题类型的准确率,进而提升了对话问题生成的性能。鉴于预训练模型出色的文本表征能力,本文设计了一个基于预训练文本生成模型BART和T5的多模型融合对话问题生成框架,实验结果表明可以有效提升对话问题生成的质量。

关键词： 大尺寸测量场   激光雷达   自动测量   数据处理   精度控制  

摘要： 激光雷达自动测量技术能够基于理论数模的离散数据点对待测量的准确位置处进行数据采集,从而实现待测物体表面的自动测量。针对大尺寸装配对象具有外形尺寸大、结构复杂等特点,现有测量系统多采用人工手动测量方式,测量效率低,适应性差,无法满足大尺寸部件现场测量效率和精度要求。为保证现场测量精度,本文研究了面向大尺寸装配对象基于激光雷达自动测量的精度控制技术,针对大尺寸空间激光雷达自动数据采集测量精度控制问题,研究高精度测量场构建技术,保证测量空间数据融合精度,实现激光雷达自动测量技术在测量场中完成数据采集;针对自动测量采集数据中的瑕疵数据,逼真还原被测物体真实数据信息,自动采集数据精度控制问题,建立适用于激光雷达自动测量数据类型的点云去噪模型,分别进行剔除和光顺,获得高精度测量数据,在保证测量效率的基础上,提高测量精度。本文完成的主要工作如下:(1)研究激光雷达工作原理和测量模型,提出激光雷达自动测量方式和流程,对影响测量精度的因素进行分析,采用蒙特卡洛法等数值仿真方法对测量现场各种非均匀误差进行准确表达。(2)高精度测量场的构建是实现面向大尺寸装配对象激光雷达自动测量技术的基础。引入整体最小二乘法对激光雷达转站模型进行改进,基于加权线性最小方差准则对多站位下激光雷达自动测量的观测值进行数据融合,建立大尺寸高精度测量场。(3)针对自动测量采集数据中的瑕疵数据点影响被测物体的真实数据信息表达的问题,研究基于点云去噪模型的测量数据瑕疵点剔除光顺技术,将处理后的测量数据通过配准技术与理论数模进行偏差比较,完成测量点云数据的精度分析。(4)分别从仿真实验和现场实验验证了本文所研究的测量场构建方法、测量数据处理方法的可行性和有效性。

关键词： 转向架构架   载荷   数据处理   数据库   曲线超高   等效载荷预测  

摘要： 近年来,中国高速铁路运营里程稳步增长,运营车速逐步提升。高速列车的转向架构架作为车辆的关键部件,受到来自车体、轮轨和其他部件的复杂作用力,因而有关构架载荷的实地测验、仿真建模层出不穷,随之产生的载荷数据亦不胜枚举,这也使得数据管理、整合、分析任务更加艰巨。因此,要综合大量数据提取多种载荷特性,就有必要建立载荷数据库,以及开发相关软件。本文以“复兴号”动车转向架构架为研究对象,编写数据处理代码,结合动力学仿真与线路测试,开展构架载荷特性研究;并基于载荷数据采集与研究过程,建立构架载荷数据库,最终搭建一体化的载荷数据管理与分析平台。本文主要内容包括:(1)基于Matlab平台,根据常见的载荷处理与分析手段,编写用于文件读取、滤波、频谱绘制、去零漂、去工频、去毛刺、统计计数与直方图绘制、分布函数拟合、分布拟合优度检验,以及核密度估计的算法,并编写载荷分析桌面交互软件,实现可视化的数据分析。运用上述代码,针对CR400AF和CR400BF车型,基于相同的载荷系划分,对比分析了两车共14种实测构架载荷的时频特性与统计特性。(2)运用My SQL,参照数据采集、仿真研究的过程,建立构架载荷数据库,囊括了项目信息、试验对象、测试内容、数据文件、分析文件等。运用Windows ***,编写数据库交互软件,实现了文件的批量操作与远程传输,并与载荷分析桌面软件相结合,从而搭建数据处理与管理的一体化平台。(3)以CR400BF动车为研究对象,在Simpack软件中建立车辆动力学模型,并根据雨流计数与峰谷计数结果,验证了模型输出载荷在参数值和随速度变化趋势上与实测数据的一致性。运用该模型,本文选取对曲线通过响应较明显的5种载荷,将其分为低频趋势与高频振动,研究不同车速下载荷随超高变化的趋势,从而得到基于载荷的最适超高。此外,基于载荷雨流计数幅值3.5次矩,通过不同速度级下的仿真计算、多项式曲线拟合,得到等效载荷随车速变化的连续归一化曲线,并基于京沪线实测数据,预测同一区段在400 km/h运营条件下各载荷的等效载荷值。本文建立的一体化的数据管理与分析平台亦可广泛运用于铁路车辆动应力、加速度等数据。同时,本文提出的等效载荷预测方法以及对曲线通过时载荷特性的分析,对动车的进一步提速工作有一定参考价值。图58幅,表11个,参考文献84篇。