从PowerDesigner生成的表导入oracle库

本文介绍如何使用PowerDesigner创建数据库表并生成SQL语句,再通过PL/SQL导入Oracle数据库的过程。遇到表导入不全的问题,并解决字段名与Oracle关键字冲突的情况。

1在PowerDesigner里建表,及表间的各种关联,完成后,选择菜单项里的“DataBase”下面的“Generate DataBase”,找个路径,存成sql语句。

  2在pl/sql里,工具》》导入表,选择刚才的sql语句的文件,导入。

  看似简单,可导入后,明明32张表,却则有29张,打开sql文件,查看导出的建表的语句都一个不少,由此证明,导出是没有问题的,关键是导入的时候,于是,我把未导入的建表的sql语句,复制到数据库里执行,问题出来了,提示错误:无效的标识符(invalid identifier)。原来,是字段名与oracle 的关键字一样,有冲突了,因此没导进去,我依次打开另外两个未导入的都是相同的问题,问题找到了,在此也顺便把oracle里的关键字总结下,省得以后建字段有冲突。size,comment,type,name,type,value,validate,file,associate

  还有一个问题,导出的sql文件,必须先把双引号替换掉,保存后再导入oracle里,否则,导入的表都是带双引号的,很不爽,据说,在导出的时候,有选项可以去掉,但是没找到,只好手工替换了,好在测试没问题,就可以了。

【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了基于CNN-LSTM神经网络模型的轴承故障分类方法,利用PyTorch框架实现,采用西储大学(Case Western Reserve University)公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力和长短期记忆网络(LSTM)对时序数据的建模优势,实现对轴承不同故障类型和严重程度的高精度分类。文中详细阐述了数据预处理、模型构建、训练流程及结果分析过程,并提供了完整的Python代码实现,属于典型的工业设备故障诊断领域深度学习应用研究。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师,尤其适合正在开展相关课题研究或希望复现EI级别论文成果的研究者。; 使用场景及目标:① 学习如何使用PyTorch搭建CNN-LSTM混合模型进行时间序列分类;② 掌握轴承振动信号的预处理与特征学习方法;③ 复现并改进基于公开数据集的故障诊断模型,用于学术论文撰写或实际工业场景验证; 阅读建议:建议读者结合提供的代码逐行理解模型实现细节,重点关注数据加载、滑动窗口处理、网络结构设计及训练策略部分,鼓励在原有基础上尝试不同的网络结构或优化算法以提升分类性能。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值