摘要：滚动轴承作为战斗机中航空发动机转子系统中的关节,但由于复杂的工作环境和多变的工况其极易发生故障,且在故障诊断时存在因无法提供辨识度高的故障数据而导致诊断精度低的问题,对此提出了一种基于数模联合驱动的样本增强故障诊断方法。采用ABAQUS对滚动轴承进行显示动力学有限元仿真,并采集不同故障类型的振动加速度信号作为故障样本;通过对转子系统实验数据进行下采样,使其与有限元故障数据采样频率一致;将有限元故障数据作为标签加入实验数据中进行样本增强,并通过基于双向时序特征提取模型的方法对时序特征进行提取,完成样本增强故障诊断。实验数据结果表明,所提样本增强故障诊断方法在缺乏明显故障标签时为如何提高诊断精度提供了一种新的思路。

摘要：目前网络流量分类方法中存在模型结构复杂、特征提取不足等问题,提出一种基于稀疏注意力的改进ViT(SA-ViT)网络流量分类模型。去除数据集中无关字段并转化为灰度图,划分为块序列输入编码器提取特征;引入Longformer稀疏注意力对Self-attention进行优化,使其具有更高的局部与全局特征表达能力;通过对比图像相似度实现流量分类。通过网络公开数据集进行检测,其结果表明,所提算法在分类准确率、精确率以及F1分数等方面有较大提升,验证了该模型的科学性与可行性。

摘要：本文以国外某项目的乙醇回收塔为例,按照API 521标准,分析了精馏塔典型的外部火灾、异常热量输入、全厂停电、冷媒中断等典型事故工况。介绍了外部火灾、再沸器异常热量输入的泄放量计算方法。基于稳态模拟结果,通过热不平衡法计算出全厂停电、冷媒中断事故工况下的泄放量,得出冷媒中断工况的泄放量最大。对比了热不平衡法、塔顶气相法的泄放量计算结果,得出热不平衡法的计算结果更为全面、严谨的结论。

摘要：本文对ＰｔＳｉ／ｐ－Ｓｉ红外探测器的结构进行了优化设计，并研制成功性能优良的器件。反向击穿电压达１８０Ｖ。在７７Ｋ下，反偏４Ｖ的漏电为５×１０－６μＡ，对１．５２μｍ的红外光，量子效率为２．４％。

摘要：随着云计算、大数据、物联网、移动互联网及智慧城市技术在城市轨道交通的大力推广,自动售检票系统支付方式已迎来历史性的变革。总结目前收费系统支付方式的应用现状及存在的问题,从乘客、运营痛点出发,分析自动售检票系统多元化支付设计方案,在方便乘客出行、降低运维成本、提升行业创新等方面具有重要意义;同时也对多元化支付技术进行展望,为城市轨道交通自动售检票系统多元化支付提供较好的解决方案。

摘要：计算机网络系统和相关连接硬件接地是提高应用系统可靠性、抑制噪声、保障安全的重要手段。本文在给出了接地问题的一般概要后,讨论了接地设计中应注意的问题,最后给出了商场计算机系统接地的具体要求。

摘要：为适应乘客日新月异的消费方式需求,鉴于轨道交通的快速发展,从自动售检票(AFC)系统支付方式的应用现状、存在问题及发展方向出发,对AFC系统硬币支付方式、纸币支付方式、储值票支付方式、车票圈存支付方式、银行卡支付方式等多种应用方式进行研究,并对支付方式向扫二维码换票方式和手机支付方式发展进行说明,为城市轨道交通AFC系统多种支付方式提供解决方案。

摘要：以北京轨道交通线网多线共用AFC系统线路中心(MLC)的工程设计为例,从国内轨道交通线网AFC系统架构设计现状着手,分析目前存在的问题;从MLC建设目的出发,结合北京市轨道交通线网规划情况及建设时序,对MLC建设方案进行比选,确定北京市轨道交通MLC建设方案。在我国城市轨道交通业界首次提出MLC的概念并力求投入应用,以期对今后国内外轨道交通线网AFC系统线路中心(LC)的资源共享设计研究有所指导和参考。

摘要：针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问题转换为二分类问题。将孪生神经网络的对比分支设计为三支一维卷积神经网络并行的结构来解决小样本下特征提取不足问题。引入了通过池化策略和一维卷积操作优化的SE(squeeze-andexcitation)模块,以减少小样本下模型过拟合问题。通过对比样本的相似度实现了恶意流量检测。实验结果表明,所提方法在小样本下的恶意流量检测问题上具有良好的效果。

摘要：针对传统机器学习算法对于流量分类的瓶颈问题,提出基于一维卷积神经网络模型的应用程序流量分类算法。将网络流量数据集进行数据预处理,去除无关数据字段,并使数据满足卷积神经网络的输入特性。设计了一种新的一维卷积神经网络模型,从网络结构、超参数空间以及参数优化方面入手构造了最优分类模型。该模型通过卷积层自主学习数据特征,解决了传统基于机器学习的流量分类算法中特征选择问题。通过网络公开数据集进行模型测试,相比于传统的一维卷积神经网络模型,所设计的神经网络模型的分类准确率提升了16.4%,总分类时间节省了71.48%。另外在类精度、召回率以及F1分数方面都有较好的提升。