基于MOMEDA与BiLSTM的滚动轴承微弱故障识别方法

针对传统的滚动轴承智能诊断模型计算效率低和准确率欠佳问题，课题组提出一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted，MOMEDA)和双向长短时记忆(bidirectional long short term memory network，BiLSTM)网络相结合的滚动轴承故障诊断模型。该模型利用MOMEDA方法增强故障特征，并结合遗传算法(genetic algorithm，GA)对BiLSTM模型参数进行优化，实现滚动轴承智能、高效及鲁棒性诊断。利用该模型对经典轴承数据集以及牵引电机轴承故障数据集进行验证，平均准确率达到了99.63%，分别比传统卷积神经网络(convolutional neural network，CNN)、单层长短时记忆网络(long short term memory network，LSTM)、双向长短时记忆网络和最新的CNN LSTM模型高16.02%，9.98%，7.01%和5.65%，验证了该模型的有效性和优越性。     

基于DTCWPT分频特征和BiLSTM的滚动轴承剩余寿命预测

针对滚动轴承退化状态不稳定和传统退化指标不能准确描述轴承退化状态从而导致预测精度不高的问题，课题组提出一种基于快速谱峭度与双树复小波包DTCWPT结合双向长短时记忆网络BiLSTM的轴承寿命预测方法。该方法首先使用快速谱峭度计算故障中心频率；然后使用双树复小波包对信号进行分频处理，选取包含故障中心频率的分频带重构信号提取退化特征，并通过时间相关性、鲁棒性进行特征筛选；最后使用BiLSTM进行寿命预测。试验结果表明课题组所提出的预测方法可以准确预测轴承剩余使用寿命，对比LSTM方法进一步验证了课题组所提方法的有效性。     

基于CEEMDAN和CNN TSA GRU的滚动轴承故障识别方法研究

为避免复杂噪声对滚动轴承智能诊断模型的准确率干扰，提出一种基于完全集合经验模态分解CEEMDAN和深度时间自注意力卷积网络CNN TSA的滚动轴承故障识别模型。该模型首先采用CEEMDAN将信号分解为若干固有模态函数(intrinsic mode function，IMF)分量，利用光谱放大因子SAF指标自适应筛选最优高信噪比分量；其次采用改进时间自注意力机制对数据分配权重并采用卷积神经网络CNN提取空间特征，弱化冗余特征信息，保留目标特征；最后利用门控循环单元GRU提取样本数据时间特征，使得网络得到更充分的学习，提高模型鲁棒性。经试验数据验证：所提出的深度学习智能故障识别模型故障识别准确率达到98.87%；对比一维CNN和CNN LSTM模型，识别准确率分别提高915%和8.86%，验证了该模型的有效性和优越性。     

西安地区动植物物种的变迁——以今日与西汉时期对比为例

如果说陕西西安地区在当今世界所具有的知名度,在很大程度上是因为它的都城史,它的历史文化,对此,恐怕无人会予以置疑。更何况,时至今日,西安还是全国范围内唯一一座具有上千年都城史的著名古都。随着时间的推移,世人将会把目光更多地投向这里,因为这里可以为当代人的现实思考和历史沉思,提供用之不竭的经验性素材。一句话,现实问题越严重,人类历史就会越发受到关注。2006-2007年之交影响全球范围的暖冬天气,由于有极为准确的观测记录及因之而产生的诸多担忧,将注定被记入预示全球变化重大自然事件的年表之中。世人一方面在忧虑今年、今后可能的天气走向,另一方面还会自觉或不自觉地思考:人类借以起源和寄身的地球星球,是怎样走到了今天这种地步,人类究竟在无意或无知中做错了什么事情?面对环境与发展的偌大主题,我们该怎样反省和反思人类的过去。对于西安地区而言,我们首先看到了汉唐时期频繁而规模空前的人类活动,看到了已经出现的环境变化及其相关问题。为了进一步揭示它的变化过程,尤其是人类活动的作用,本刊特地举办了这次以“汉唐时期西安地区环境变迁研究”为题的笔谈活动。     

区域综合性水利开发的历史地理学研究新成果——《关中水利开发与环境》评介

渭河是黄河的最大支流,水量丰富,并在下游形成广大的关中平原。由于周秦汉唐的都城设在关中,故古代渭河平原的水利建设兴旺发达,有大中小型引河灌溉工程与井灌,尤其是几乎持续二千年以上的引泾灌溉工程在北方首屈一指,而且漕运与都市用水事业也独具特色。近代关中八惠的建设,也走在了中国现代水利的前列。因此,关中水利开发历史的研究很受学术界的重视,相关论文发表近百篇,确实不少,只是缺乏综合性的研究专著的出版。现在,陕西师范大学李令福研究员撰写的专著《关中水利开发与环境》已由人民出版社在2004年正式出版,这是第一本将古代关中各…     

基于自适应增强形态滤波的滚动轴承复合故障分离法

针对滚动轴承复合故障难以分离的问题，课题组提出了一种自适应多尺度形态滤波分离方法。首先，利用具有提取周期性特征的多尺度形态滤波器和峭度特征能量积(kurtosis feature energy product，KF)提取出一种主要的故障特征分量；然后，利用奇异值分解(singular value decomposition，SVD)降噪方法对提取的故障特征进行降噪处理，增强故障特征；最后，对去噪信号进行迭代筛选分离，得到多个故障特征模式分量。通过仿真信号与异步牵引电机实际故障信号对比实验，结果表明：该方法能够分离复合故障特征，并有效提取噪声干扰下的故障特征信息。该方法滤波效果强于传统方法，具有较好的工程应用价值。     

在教学中培养具有幸福感的学生——幸福教育观

追求幸福是教育的终极目标。培养具有幸福感的学生则是教学过程中的核心环节。幸福教育能够帮助学生锻炼优秀品格,提高感知幸福和创造幸福的能力,树立正确的"三观",开启幸福人生之路。为培养具有幸福感的学生,教师应清楚认识幸福教育的本质以及建立正确的幸福教育观,着眼于教学过程,洞悉幸福教育所遭遇的困境及如何搭建幸福教育的平台。