抽油机故障诊断的分布驱动主动学习算法

抽油机示功图直观显示了抽油机工作情况,但实际工况情况呈现典型的长尾分布特性,类别严重不平衡。传统方法无法准确识别小类别工况,也无法获得井下工作状态准确识别。针对这一问题,提出一种基于分布驱动的多类别长尾数据代价敏感主动学习算法（Cost-sensitive active learning algorithm based on distribution -driven multi-class long-tailed data, CALA）。首先,考虑数据分布特性,以最小化代价为优化目标确定数据的最佳聚类簇数;其次,通过加入预分类误差代价来更新之前得到的最佳聚类簇数;然后,构建集成分类模型作为分类器;最后,通过迭代来平衡数据分布。采用某油田真实的示功图数据进行测试,显著性实验分析证明CALA在小类别工况诊断上具有更好的性能。     

基于CNN 与BiLSTM 的退化设备剩余使用寿命预测

针对DC-DC 变换器难以建立物理退化模型的问题,提出了一种基于卷积神经网络和双向长短期记忆 神经网络的剩余寿命预测算法。首先,通过对DC-DC 变换器中关键器件进行失效模式分析,得到DC-DC 变换 器的失效特征参数;然后,采用卷积神经网络对多传感器信号进行融合和特征提取,获得百分比指数退化指标; 其次,将获得的健康指标输入到融合注意力机制的双向记忆神经网络中,利用注意力机制对输出结果进行加权 融合,利用不同的权重值优化预测模型,最后,利用蒙特卡洛丢弃法获得剩余寿命的区间估计,并通过仿真数 据验证了所提出方法的有效性。     

基于小波神经网络的双足步行机器人步态规划控制器

对于传统的神经网络中神经元模型在结构和信息存储能力上存在的不足，本文提出了一种基于广义小波其函数网络的神经元集聚模型，这种小波神经网络不仅收敛速度快，非线性逼近能力更好，而且具有内部结构变尺度、自适应调整和广义信息存储等智能化特点，更符合生物原型的实际情况。静态学习和准动态学习仿真实验证明这种神经网络结构的有效性。     

空间机器人操作：一种多任务学习视角

利用空间机器人辅助、代替航天员完成在轨服务操作是近年的技术发展趋势。基于学习的空间机器人操作以深度神经网络为控制器载体,对非结构化太空环境适应能力强,在高轨、地外、深空等场景具有良好应用前景。目前,无论是空间机器人操作,还是地面机器人操作,多数研究只关注单一任务学习问题。立足一种多任务学习新视角,针对空间机器人操作面临的多任务适应性要求高、精细化要求高、不确定性强问题,首先分析了在轨服务的多样化任务需求。其次,全面综述了机器人操作多任务学习算法与应用相关工作,分析了开展空间机器人操作多任务学习的难点挑战,给出了关键技术发展建议。相关关键技术的突破将有助于提升空间机器人系统的自主性、鲁棒性,进而助力中国在轨服务技术向无人全自主方向推进。     

基于图对比的上下位关系检测

上下位关系是自然语言处理(NLP)下游任务的基础,因此上下位关系检测是自然语言处理领域备受关注的问题。针对现有词嵌入方法采用随机初始化词向量,不能很好地捕获上下位关系不对称和可传递的特性,且现有模型没有充分利用预测向量与真实投影之间关系的局限性,提出了一种基于图对比学习的上下位关系检测(HyperCL)方法。引入图对比学习进行数据增强,基于最大化局部和全局表示的互信息,学习具有鲁棒性的词特征表示。所提方法学习了将下位词的词向量投影到上位词和非上位词,同时能够更好地区分嵌入空间中的上位词和非上位词,从而提高了检测精度。在2个基准数据集上的实验结果表明,所提模型比现有方法在准确率上提升了0.03以上。     

浅谈激发学生对英语学习的兴趣

“兴趣是最好的老师。”培养学生的学习兴趣、提高教学质量一直是英语教学改革的重点。本文从因材施教，逐步探索适合我院学生的英语教学模式，强调能力的培养，创新英语课堂教学、做学生的良师益友，充分调动学生学习英语的积极性等三方面对这一问题加以论述。     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度,提出一种新的面向软聚类的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分,挖掘聚类内部多样性的同时,实现了对过学习的抑制;将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程,运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题,在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机,结果表明：与4种流行的多核诊断方法相比,该方法可有效避免漏警、抑制虚警,在l₁-范数和l₂-范数约束下,其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。     

FL—7风洞M数的模糊控制方法

FL－7风洞紧三台航空发动机为动力的跨音速风洞，通过调节发动机转速、柔壁及旁路活门开度来实现对M数的控制。影响M数的因素较多，很难建立精确的数学模型，为了提高M数控制速度和精度，在新改造的FL－7风洞测控系统中，采用了模糊控制自、自学习等控制策略，取得了良好的效果，笔者对控制方法和控制规则作了介绍。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。