基于动态分频段FRA法的自耦变压器绕组轴向移位故障诊断

针对传统的频率响应分析(FRA)法无法识别自耦变压器绕组常见轴向移位故障的问题,提出基于动态分频段的FRA法:首先,搭建自耦变压器轴向移位故障模拟平台,获取不同轴向移位故障下绕组频响数据;其次,将幅频特性曲线波峰点与相频特性曲线C-L过零点频率相同的点作为预备分频点,同时将频响数据动态划分为多个频段,并绘制分频段极坐标图;然后,提取极坐标图的4个灰度梯度共生矩阵纹理特征和对应的归一化特征参数;最后,通过图形与特征的变化规律分析自耦变压器绕组的状态。试验验证结果表明:采用基于动态分频段的FRA法,生成的极坐标图数据点重叠情况得到改善,有利于图形分析和特征提取;不同绕组发生轴向移位故障时,各频段极坐标图变化趋势明显;同一绕组发生不同程度轴向故障时,极坐标图随故障程度增加差异呈变大的趋势;采用基于动态分频段的FRA法能准确区分自耦变压器轴向移位的故障绕组与故障程度,并能为自耦变压器现场故障诊断提供参考。     

关于图的谱半径的新的上界

主要得到了一个关于图的谱半径的新的上界,并举例说明在某些情况下我们的结果是好的.     

油井集散控制系统泵工况的模糊综合诊断

提出用模糊综合诊断技术来识别和分析油井集散控制系统的泵工况。通过对喜载荷－位移图（泵功图）进行分析判断,及时准确地了解有杆泵抽油系统的工作状态,提高抽油系统效率和泵工的诊断精度。     

自动产生型腔刀具轨迹的算法

描述了能自动产生任意形状型腔的加工轨迹的算法,该算法基于Voronoi图的曲线偏置能够避免传统偏置所面临的问题。讨论了一种Voronoi图基础上带有弧岛的任意形状型腔加工轨迹的简单有效的算法。     

关于图的符号边全控制

引入了图的符号边全控制的概念,主要刻划了满足sγt′(G)=|E(G)|且δ(G)2的所有连通图G,给出了n阶k-正则图G的符号边全控制数γst′(G)的下限,确定所有轮图的符号边全控制数,最后还提出了一个关于sγ′t(G)上界的猜想.     

关于正则图的最大特征值的一个不等式

主要讨论了Krivelevich的与图的谱有关的一个不等式的等号成立的情况,得到下面的结果:定理1:设G=(V,E)是n个顶点的d正则图,令d=λ1≥λ2≥Λ≥λn是G的所有特征值.又令λ=max2≤i≤n|λi|,则对于U,W(∪)V,有|e(U,W)-d|U‖W|/n|≤λ√|U‖W|(1-|U|/n)(1-|W|/n),其中e(U,W)表示U到W的边数;等号成立当且仅当U=W,且G|e(U,W)-d|U||W|/n|或者为具有参数(n,k,a,a)的强正则图,或者为完全图.     

图的联结数与分数因子存在性

设G是一个简单无向图,G的联结数定义为bind(G)=min|NG(X)||X|:≠X V(G),NG(X)≠V(G)本文讨论了图的联结数bind(G)与图的分数因子存在性的关系,给出了图有分数因子的若干充分条件。     

基于特征图可视化的医学图像分析

现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明：分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能.