摘要：机采棉加工检验环节作为农业和工业数据交汇的关键节点,其数据来源不一且类型多样,无法及时有效对存在质量问题的机采棉数据进行溯源与根因分析。为实现机采棉产品全流程质量信息溯源,以机采棉加工检测过程为研究对象,设计了一种基于标识解析的棉花加工环节业务模型;并构建了基于标识的元数据映射关系结构化数据溯源方法;然后,将数据仓库中的各种棉花数据表全量导入元数据管理平台,支持通过Hive语句构造、增量同步等手段存储全量信息表和字段的元数据结构映射关系;最后,采用聚合查询方法并保留表与字段间的血缘结构,有效地对元数据库中业务模型的数据进行搜索与查询,帮助数据分析人员快速定位到问题数据的来源和加工检测过程。

摘要：针对强噪声环境下传统轴承故障诊断方法对故障识别率低,深度残差收缩网络在降噪时对频域信号丢失的问题,提出了一种基于连续小波变换(continuous wavelet transform,CWT)和改进的深度残差收缩网络(improved deep residual shrinkage network,IDRSN)的故障诊断模型。首先,利用CWT将轴承振动信号转换为二维时频图,作为输入样本,用于解决深度残差收缩网络在直接处理振动信号时引起的频域失真问题;其次,设计了一种改进的软阈值函数(improved soft threshold function,ISTF),解决了因软阈值化引起的信号失真,设计了改进的软阈值模块(improved soft threshold block,ISTB)和自适应斜率模块(adaptive slope block,ASB),构建了改进的残差收缩单元(improved residual shrinkage building unit,IRSBU)以实现自适应地确定最佳阈值并进一步调整输出;最后,利用凯斯西储大学滚动轴承数据集与风机轴承振动数据采集实验台收集的滚动轴承数据集对所提方法进行实验验证。结果证明相较于其他方法,所提的故障诊断方法有更好的泛化性和通用性,分类准确率分别达到了99.75%和99.69%。