关键词： 虚拟装配   数据处理   特征点提取   间隙阶差   装配序列   二次开发  

摘要： 阵列式复杂形面多构件产品广泛应用于航空航天、卫星制造及应用等领域,由于装配误差的传递以及装配时的相互耦合作用,使其在产品装配过程中出现精度不可控,质量难以保障的问题。目前对于产品装配大多数借助于工艺人员的手工操作,凭借实践工艺经验对产品进行预装配,即反复调整、反复修配、反复试验。轻则,由于产品摩擦磕碰导致装配精度损失,重则造成人力、物力的浪费、装配成本的损耗,严重影响装配效率。本课题针对所述问题,提出了一种基于实测数据的阵列式复杂形面多构件产品虚拟装配技术,研究了与之相关的原理和方法,具体研究内容如下:(1)研究了阵列式复杂形面多构件产品的自动化采集技术以及采集数据的特征提取。基于小尺寸多构件自动化测量需求,设计了自动化数据采集系统;基于实际现场采集数据特点,研究了结构数据的预处理方法,包括点云去噪、自动拼接、配准;分析了处理后结构数据的特点,并基于曲率判别法和投影比较法的装配特征提取模型,根据特征信息构建包围盒,通过包围盒法实现对缝点云分割。(2)研究了基于实测数据的装配模型构建以及多构件虚拟装配序列优化设计。基于装配特征信息,构建了实测数据的装配模型;根据装配体的信息,分析了面向装配工艺的优先约束关系,提出了以装配稳定因子决定装配优先级的方法,获取虚拟装配可行性序列;分析传统遗传算法的在解决非线性优化问题的不足,提出了一种改进的遗传算法,对装配序列进行优化,提高了整体装配精度和速度;设计了虚拟装配特征参数,构建了虚拟装配优化模型,提出了基于量子粒子群算法求解装配特征参数,完成装配调姿;设计了实验对所述内容进行了验证,证明可行、可信。(3)研究了虚拟装配功能实现方法,并进行实验分析验证。基于Poly Works二次开发,设计了一种虚拟装配的功能实现流程,并开发了可视化功能模块,构建了虚拟装配质量可视化平台。并选用可重复使用运载器的陶瓷纤维刚性隔热瓦(典型的阵列式复杂形面多构件产品)进行了虚拟装配实验,分析了装配前与装配后的实验结果,通过验证证明该技术能给装配工艺人员提供可靠的建议,有效提高现场装配效率。

关键词： ETC门架数据   张量Tucker分解   多源数据融合   RBF神经网络   交通状态估计  

摘要： 准确的交通状态估计技术是交通管控措施合理布控的核心,交通数据建模分析是高速公路交通状态估计的基础,而交通数据高维稀疏、海量时变、异构等特征给数据建模带来了挑战。我国高速公路ETC门架系统已发展到空前庞大的联网规模,本文以ETC门架数据为着力点,从ETC门架系统特征和所获数据特征出发,运用张量理论补全ETC门架缺失数据,利用多源数据融合模型整合ETC门架、微波检测器及手机信令三方交通数据,解决ETC门架数据现存问题,对交通状态差异度较小的高速公路进行状态估计。本文主要工作如下: 本文首先基于ETC门架系统运行方式与数据采集技术方法,通过数据预处理对ETC门架交通数据进行了多角度、针对性分析,发现了ETC门架数据当前应用问题。 针对ETC门架数据高维稀疏、体量大、异构等特征,本文利用高阶张量模型进行ETC门架数据表达,通过结合张量Tucker分解与正则项设置对邻近张量块核张量进行近似计算,提出了一种基于动态张量理论的ETC门架缺失数据补全方法。实验证明,在不同程度的缺失情况下,该算法能够有效提高ETC门架数据准确度且计算复杂度不大,具有较高的实用性与可靠性。 大雨大雾、夜间光线不足等原因导致高速公路能见度下降,挑战着ETC车牌识别设备的检测精度。对于此类ETC门架数据异常问题,本文提出了一种基于多源交通数据融合的ETC门架数据校正方法。通过构建多源数据融合层次与K-mean-RBFN多源交通数据融合模型,将ETC门架交通数据与微波检测器所获流量数据、手机信令所获行驶速度数据进行融合处理。利用沪渝高速G50南浔互通至金泽立交段ETC门架及各类检测器数据实例证明,该方法能够解决高速公路能见度较低时ETC门架数据异常问题。 最后,为解决常规方法在本次研究路段中交通状态估计效果不佳问题,本文提出了一种基于支持张量机的交通状态估计方法,以支持向量机在交通状态估计中的良好应用作为方法设计起点,结合ETC门架数据高阶张量模型,推广至基于支持张量机的交通状态估计方法研究。根据实际高速交通状态估计结果可知,该方法能够适用于变化范围较小时的高速公路交通状态估计。 本文通过构建高阶张量模型与张量分解理论实现了ETC门架缺失数据补全,利用多源数据融合方法解决了能见度低时单个ETC门架数据异常问题,应用自监督学习思想与支持张量机理论构建了小差异度交通状态估计方法,在高速公路ETC门架数据的处理和应用方面具有一定的理论意义与实际应用价值。

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： 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： 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： 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。

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。

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。