摘要：近期,第四届中央企业熠星创新创意大赛公示复选结果,国网福建省电力有限公司“全能型智慧魔盒”——多业务共享即插即用OPGW接线盒从现场3000余个复选项目中脱颖而出成功入围。这是该公司首个入选工业母机和高性能部件赛道的产品。此前,该产品已获2023年中国发明协会“发明创业奖项目奖”银奖。

摘要：为解决多模态TE过程在小样本条件下故障诊断精度低的问题,提出了一种基于深度最近邻神经网络(DN4)与压缩和激励(SE)模块结合的集合型故障诊断方法(SEDN4)。首先,使用小波包变换将多模态过程数据转换成二维图像,划分元学习任务;然后,由嵌入网络进行局部特征提取,获得局部特征描述符;最后,使用k近邻搜索得到预测值。当新模态产生时,基于已有模型设计经验,在小样本条件下可快速得到新模态故障诊断模型。实验结果表明,本文方法在小样本条件下能够较好地实现多模态故障诊断,提高了故障诊断准确率,诊断效果较好。

摘要：文章回顾了中国近百年的雕塑艺术教育之路,作者认为在向西方模仿和学习过程中,不可盲目追西,跟随其大搞雕塑的材料和观念探索,而应当停下脚步,审视中国雕塑教育的实际,结合我国古代丰厚辉煌的雕塑史及文化史,重新建立具有中国特色的雕塑教学体系,并由此完成中国雕塑教育的重要转型。

摘要：为准确测量EAST离子回旋波加热(ICRF)系统中的驻波电压,设计了一款传输线驻波电压测量系统。该系统利用传输线上的电压探针阵列,经检波器、光电隔离器和采集卡接入PC机的数据处理模块,并用LabVIEW数据采集处理软件将采集到的信号进行拟合。测量结果能够清楚地得到各电压探针的电压值,拟合结果具有明显的驻波特性,同时还可以将探针信号作为发射机的保护信号,用于保护发射机安全稳定运行。

摘要：节段预制逐跨拼装桥梁施工过程中架桥机吊杆主梁共同参与受力,受力状态复杂。为了解该协作体系受力情况并选择合适的吊杆拆除方法,以南昌市洪都高架桥为背景,采用有限元软件MIDAS Civil建立桥梁架桥机的施工全过程协作模型,计算架桥机及主梁位移、吊杆力、主梁应力,分析架桥机抗弯刚度、吊杆面积对结构受力性能的影响,并对吊杆拆除方法进行研究。结果表明:预应力张拉完成后,吊杆仍存在较大拉力,主梁受力须考虑架桥机协作效应。架桥机刚度的增加能有效削弱架桥机主梁协作受力效应;吊杆截面面积对削弱协作受力效应不明显。相比于吊杆逐对拆除法,采用架桥机整体落架法拆除吊杆时,吊杆最大拉力不超过初始吊杆力,安全性更好,且施工操作简便,因此最终采用架桥机整体落架法拆除吊杆。

摘要：石窟造像的技艺是石窟研究的一大难题,原因是古代很少有文献记载匠师的开窟造像的过程。为突破研究瓶颈,大理剑川石窟造像技艺的研究通过走访当地民间雕刻艺人,以调查、采访等方式进行雕刻技艺的梳理。人物雕刻技艺从头部、躯体等方面展开,结合剑川石窟中具体的大理佛教密宗造像像阿嵯耶观音、大黑天神等来分析,提出打制阶段的注意事项,研究石刻最终表达的生命性、历史内涵等内容。

摘要：为对城市高架变宽预制节段梁的设计与施工提供依据,考虑设计轻型化、标准化和施工快速化的原则,比选预制节段梁不同变宽方式,分析表明“多个单箱单室+挑臂长度渐变”为6车道及以上中心城区高架桥较适合的变宽方式。以南昌市洪都大道高架桥为背景,针对该变宽方式进行箱梁结构初步设计,并提出变宽预制节段梁横向异步架设施工方法。经有限元验算,采用该变宽预制节段梁结构进行横向异步架设时各箱梁之间受力不均匀,横梁横向弯曲、扭转效应显著。进一步研究箱梁轴向刚度、横梁横向弯曲刚度及箱梁间距等参数对结构受力的影响,提出了箱梁差异化设计和结构分幅2种设计优化方式,最终采用结构横向分幅异步架设的方式解决了初始结构的受力问题。该变宽预制节段梁结构设计与施工方法在洪都大道高架桥中取得了较好的应用效果。

摘要：为提高电机轴承故障诊断的精度,提出一种深度残差变分自编码器与自注意力机制相结合(DR-VAE-SAM)的电机轴承故障诊断方法。首先,在数据预处理中使用矢量量化变分自编码(VQ-VAE)对轴承故障数据进行增强,训练完成后将生成的故障样本混入原始样本中以平衡和增强数据集;然后,将深度残差网络与变分自编码器结合,增加了迁移学习中最大均值差异(MMD)作为融合标准;最后,在编、解码过程中引入自注意力机制提取特征的关键信息。通过西储大学和东南大学的轴承数据进行试验验证,结果表明,在故障数据少、样本不平衡以及变工况情况下,DR-VAE-AM模型能够有效提高故障诊断精度,并有较好的泛化能力。

摘要：针对轴承故障数据少、样本不平衡以及变工况导致故障诊断准确率低的问题,提出一种辅助分类生成对抗网络与深度子领域自适应网络(ACGAN-DSAN)相结合的故障诊断方法。首先,将不同负载下的原始一维数据转换为灰度图,建立二维图像的数据集,并分为源域和目标域;其次,用故障样本训练ACGAN,将生成的故障样本混入原始样本中,以达到平衡和增强数据集的作用;然后,在ACGAN中引入自适应损失函数,通过超参数控制模型的鲁棒性,进而提高生成图像的质量;最后,基于DSAN通过非线性变换将源域和目标域分布的相关子领域对齐,使子领域分布差异最小化,并引入自注意力机制提高模型对故障特征的非线性拟合能力,通过构造联合损失函数对变工况轴承的故障进行自适应诊断。以美国凯斯西储大学轴承数据集为例进行试验验证,结果表明该方法能有效提高故障诊断准确率,且模型有较好的泛化能力。

摘要：为了解决小样本条件下的变工况轴承故障诊断的困难,提出了一种基于元迁移学习(meta transfer learning)与自注意力机制(self-attention mechanism)结合的方法MTLSAM。首先,将不同工况的原始振动信号转换为灰度图像,利用所有工况的数据训练特征提取模块的参数;其次,根据元学习方法对数据集进行随机采样,形成元学习任务。该元训练过程中,利用已知工况下的多个元学习任务,训练元模型的参数;最后,在元测试阶段,利用不同工况的元学习任务对模型进行微调实现变工况的准确诊断。实验证明,所提出的MTLSAM在小样本条件下能够较好地实现变工况故障诊断,并且具有较好的泛化能力。