简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。
简介:为了稳定跟踪高动态下的弱信号,分析了传统载波锁相环(PhaseLockLoop,PLL)的结构,进一步提出了采用捷联惯导系统(StrapdownInertialNavigationSystem,SINS)辅助全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)的PLL环路结构。通过分析SINS辅助前后的误差并比较不同误差的影响,按照误差最小原则设计了最优带宽的计算方法,并优化了最小带宽门限的选择方法,最后通过仿真验证了方法的有效性。
简介:针对当前军品质量监督工作中缺乏有效管理和技术方法的问题,分析了军品质量问题致因模式,构建了追溯分析框架与模型,提出了基于认知可靠性和失误分析方法(CognitiveRetiabityandErrorAnatysisMethod,CREAM)的根原因追溯方法,并运用二元语义法对根原因进行了评估,为有针对性地制定纠正措施和防范策略提供指导,提高了军品质量监督工作的主动性和预见性。
简介:针对传统军事命名实体识别方法存在人工构建特征复杂和军事文本分词不准确等问题,提出了一种基于深度学习的军事命名实体识别方法。结合双向长短时记忆(Bi-directionalLongShort-TermMemory,Bi-LSTM)神经网络对较长句子上下文的记忆能力、字向量(characterembedding)对汉字语义的表示能力和条件随机场(ConditionalRandomField,CRF)对标注规则的学习能力,构建了character+Bi-LSTM+CRF实体识别模型。为验证方法的有效性,在军事想定语料集上进行了实验,结果表明:该方法比传统方法识别效果好,识别准确率、召回率和F值均大幅提升。
简介:在近几年的理论学习中,山西省大同军分区党委紧紧围绕中心工作,密切结合新时期新阶段形势和任务,坚持理论联系实际学风,坚持"四抓",不断提高学习质量,促进了工作落实。军分区14个团级以上党委班子团结和谐,以科学发展观统筹谋划工作,多项重点工作受到总部、军区和省军区表彰。