Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

基于梯度提升决策树的量子科学实验卫星光学实验预测

量子科学实验卫星在轨运行期间完成4种光学实验，地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值，并且这些阈值需要根据在轨卫星重新设定，可扩展性较差.针对以上问题，提出一种基于机器学习的光学实验判别方法，将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题，构建分类模型，利用量子科学实验卫星的真实历史遥测数据对模型进行训练，并通过真实实验计划对训练得到的模型进行验证.实验结果表明，本文提出的方法在没有专家先验知识的前提下，判别准确率达到99%，可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性，可应用于卫星在轨运行的其他监测任务.      

河北省高校农村生源学生思想现状调查研究

河北省农村人口占总人口的79％，是一个比较典型的农业大省。农村生源大学生，是河北省在校大学生的重要组成部分，占生源的最大比例。大学生是宝贵的人才资源，他们的素质尤其是思想政治素质如何，他们能否成为社会主义事业的合格建设者和可靠接班人，是一个非常重要的问题。因而，科学分析和把握他们的思想政治状况，将会增强我们把握大学生思想脉搏的准确性和说服力。为此笔者选取了河北省八个地市的不同高校，进行了问卷调查、座谈和访谈。对河北省农村生源大学生的思想现状进行了调查。通过统计软件的录入和整理，统计结果比较真实地显示了当前河北省农村生源大学生的思想现状。     

HML系统在商店偏好决策模型中的应用研究

对混合式机器学习系统（HML）进行了全面系统的介绍，并将其运用于服装消费商店偏好决策行为的研究中。采用上海统计局家庭调查网络，对300户家庭进行抽样分析后发现，服装消费商店偏好的主要影响因素是地区、季节、丈夫和妻子的学历、职业以及子女性别。在此基础上，将HML分析所得的结论与传统的研究方法和结果进行了系统比较：从方法上来看，因为属性变量包含间断变量和连续变量两种，因此传统统计分析要运用两种不同的检测方法对影响因素的相关性作出判断，结果需要经过统计学分析，才能得到结论；而HML分析结果比较直观和简单，便于理解。     

以培养适用型人才为宗旨建立新型的校外学习中心管理体系

校外学习中心是远程教学和远程学习的活动基地。校外学习中心必须能适应市场经济形势需求,以培养适用型人才为宗旨,不断完善自身机制,实行规范化管理,不断提高教学管理工作水平,建立起新型的管理体系。     

卫星交会的自主导航技术

论述卫星交会自主导航的飞行任务背景和概念 ,综述国内外学者正在进行探索研究的思路 ,以期引起国内学者的的注意、探讨和深入研究。     

星光折射航天器自主定轨方案比较

当星光透射大气发生折射时 ,用星光折射角精确地反映星光在大气中离地球表面的高度 ,并建立高度、航天器与地球的几何关系。通过对折射角进行观测 ,间接测得地平 ,从而改善了用地平仪直接测地平所造成的航天器自主导航精度低的不足。本文提出了几种利用星光折射的航天器自主定轨方案 ,并作了细致的仿真实验 ,对直接和间接两种测量地平方法以及几种星光折射自主定轨方案进行了分析比较。     

伴飞卫星自主相对导航衰减记忆滤波算法

为实现伴飞卫星的自主相对导航,基于C-W方程提出了一种在伴飞卫星轨道系中建立简化的相对运动方程构成星上轨道递推、根据导航敏感器输出进行量测更新的导航滤波器,并利用衰减记忆滤波算法抑制系统模型误差对相对导航结果的影响。仿真结果表明,该滤波算法可实现伴飞星的自主相对导航。它不仅较C-W方程更简单,而且适于模型不准确时的相对导航,工程实现易。     

利用地磁场测量的小卫星自主导航设计

地磁场矢量是卫星所在位置的函数 ,通过对地磁场的测量 ,即可实现对近地小卫星的自主导航。本文采用卡尔曼滤波技术设计了小卫星基于地磁场测量的导航方法 ,在采用地磁场模型时选取磁偶极子模型 ,以此使设计算法的计算量大大减少。最后利用数字仿真验证了系统性能。