cnjs1994的博客

最近，AI圈的大模型方向，对deepseek大模型的讨论不绝于耳，咱们国人在AI领域上的原创性探索虽然目前还缺乏了点，但对原创性成果的降本增效还是突破多多，deepseek这波遭受大规模恶意攻击【1】就可以感觉到其对国外AI行业的冲击和国外公司的羡慕了。其实是否开源这个概念的争议和讨论一直不断【5】。

在故障诊断与预测性维护、运维领域（PHM），当前基于机器学习等人工智能算法的剩余寿命预测方法的研究异常火爆，其中C-MAPSS数据集在该领域的使用非常广泛，为了方便各位同仁的学习和理解，借此文章向大家简单介绍一下。根据文献【2】的描述，其实相当于是对退化问题作了一个简化，虽然说是按照退化过程的时变特性，做了一定的建模上的设置，但是有点太缺少非线性特性了。

涡旋声束与物体相互作用时可以产生远程局域或旋转物体的力矩，利用这种独特的力学效应可以在时间和空间上对微小粒子（如细胞、组织等）实施精确的抓捕、定位以及旋转操控。这种仅需单一声源驱动、适用于任意器件外形的声马达极大地简化了角动量器件的构造，丰富了声人工体系的角动量操控手段，在非接触式粒子操控、片上声通信等领域有重要的应用背景。对于旋转声源定位问题，需要考虑声源的旋转多普勒效应，具体可参见文献【6】。

Q1：半监督图卷积网络与传统图卷积网络的区别是什么？A1：半监督图卷积网络与传统图卷积网络的主要区别在于，半监督图卷积网络在有限的标签数据下进行训练，而传统图卷积网络需要完整的标签数据进行训练。Q2：半监督图卷积网络的优缺点是什么？A2：半监督图卷积网络的优点是：可以在标签数据稀缺的情况下进行学习，具有更好的泛化能力。半监督图卷积网络的缺点是：需要更高效地学习图结构信息，需要更好的防止模型过拟合。Q3：半监督图卷积网络在实际应用中的局限性是什么？

这个需要安装一个Phased Array System Toolbox的工具包, 此示例说明了在干扰占主导地位的嘈杂环境中提取所需语音信号的麦克风阵列波束成形。此类操作有助于提高语音信号质量，以便进行感知或进一步处理。例如，嘈杂的环境可以是交易室，麦克风阵列可以安装在交易计算机的显示器上。如果交易计算机必须接受来自交易者的语音命令，则波束成形操作对于提高接收到的语音质量和实现设计的语音识别精度至关重要。此示例显示了两种类型的时域波束成形器：时延波束成形器和 Frost 波束成形器。

动态系统稳定性分析的基础知识。

马式(马尔可夫)过程（Markov process）即在状态sts_tst​时，采取动作ata_tat​后的状态st1s_{t+1}st1​和收益只与当前状态和动作有关，与历史状态无关。（如果与“历史状态”相关，那么把这个状态封装到sts_tst​而Decision则体现在在每一个状态sss处，都是要进行决策采取什么行动，即policy。对于一个马氏过程，Xt1X_{t+1}Xt1​的分布只和XtX_tXt​的取值有关，和Xt。

本博客简单介绍了有限元中的显式求解和隐式求解两种方法。

这篇博客的算法问题来源于leetcode算法的63题，一个网格世界的机器人运动规划问题。通过这篇博客可以使得读者更加了解强化学习关于动态规划方面的基础知识。

这篇博客主要是学习清华大学车辆学院 李升波老师（Shengbo Eben Li）的的一些心得体会。

切削加工监测的加速度、视觉、激光监测方法说明。

希尔伯特变换在信号处理中应用非常广，其最开始是由大数学家希尔伯特(David Hilbert)为解决黎曼-希尔伯特问题(the Riemann–Hilbert problem)中的一个特殊情况而引入（1905年）。实值函数的解析表示是解析信号，包含原始函数和它的希尔伯特变换。这种表示促进了许多数学变换的发展。基本的想法是，由于频谱的埃尔米特对称，实值函数的傅里叶变换（或频谱）的负频率成分是多余的。信号解调是信号调制的反过程，是从已调制的高频信号中解调出原调制信号。信号调制包括调幅、调频、调相，

基于OpenCV Python的小demo

体素被排列成体素网格，这可以看作是图像有序结构的 3D 等价物。当点云或网格变成体素表示时，它与体素网格相交。这些体素被留下，而所有其他不与任何点相交的体素要么被丢弃，要么被归零，我们剩下的是对象的雕刻表示。在齐次坐标系中，3D点/顶点由4D向量（x，y，z，w）表示，其中w是比例因子。构建网格和点云的体素化表示是许多深度学习方法数据预处理的重要步骤。假设我们有一个3D点P（x，y，z），我们想使用齐次变换矩阵M将其变换到一个新的坐标系。通过以下步骤，可以使用齐次坐标变换实现坐标系之间的变换。

文章主要是提出了一种基于自适应变分模态分解与功率谱熵差的颤振类型辨识(AVMD-ΔPSE)方法。

建立合适的深度对抗网络的评价指标，现有的指标包括：IS（inception score）和FID（Fréchet Inception Distance）–衡量生成图像的多样性和质量。WGAN-GP论文作者提到，根据推论1（Corollary 1），采用权值clipping策略，模型权值变得倾向于达到clip的范数边界，所以只能学习到一些简单的表征特性。作者的这一测试表明，模型无法描述一些高阶的分布特性。由1-Lipschitz 的假设条件推理出来的，所谓的真假样本之间的过渡区域，应该就是指的生成的样本了。

大多数图像匹配方法包含三个阶段：特征检测、特征描述、特征匹配。检测阶段，在图像中依据像素、轮廓信息检测特征点;描述阶段, 围绕这些特征点周边区域提取局部描述符;匹配阶段，通过最近邻算法进行匹配得到结果。传统图像匹配方法以基于特征的 ORB、SURF 、SIFT等为代表，其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。

玻璃纤维增强聚合物(GFRP)复合材料在服役过程中不断降解，这增加了有效的健康监测在确保结构完整性上的重要作用。我们设计了一种新型的GFRP结构，其通过嵌入式的非侵入式的传感方式用于在机的结构健康监测（SHM）。压敏电阻复合纳米材料传感器–以与石墨烯/环氧树脂复合材料共固化的方式，并保持了复合材料连接处的连续性。石墨烯纳米片/环氧树脂传感器从静态应变中成功捕获到了结构响应，并且是从高频的高达600Khz的超声波信号中，其应变系数被设置为26。

这篇是近期，国家纳米中心的庞耀坤、陈立波、胡国锋等学者在NANO RESEARCH期刊上发表在Nano Research 上的一篇关于先进氢气监测传感器的文章，英文名称是：Tribotronic transistor sensor for enhanced hydrogen detection 研究团队将ZnO场效应晶体管(FET)与摩擦电纳米发电机在独立模式下耦合，研制了一种新型ZnO摩擦电子晶体管，并将其用作室温下氢气检测传感器。

本研究提出了一种可变磁阻发电机轴承(VRBG)基于一个带状的软铁磁笼子里,这是用于轴承保持架的状态监测。VRBG由铁线圈和永磁体,这是放置在一边的滚动轴承,轴承的外圈固定。考虑到轴承的旋转组件是不变,VRBG利用可变磁阻效应引起的旋转的带状的软铁磁笼子。此外,它实现的目的将轴承的旋转能量的一部分转化为电能以非接触的方式。结构的介绍之后,建模与仿真分析VRBG发电机制进行解释和预测输出特征。基于VRBG原型,变化频率的输出电压和电流与转速进行了分析,并使用模拟电压波形预测模型进行了比较和验证测试波形。

论文阅读-自供电测力、测振刀柄-系列【2】- 一种用于铣刀的集成无线振动传感状态监测的智能刀柄

短时傅里叶变换分析

实现了对变转速轴承故障信号的特征提取

稀疏表示与字典学习基础知识和简单python实现

时序信号处理相关内容

非负矩阵分解的概念与Python简单实现

阶次用于量化旋转机械在变转速工况下的噪声和振动情况。阶次是指频率是参考旋转速度的某个倍数。

概述：该论文通过扩展传统chirplet变换, 开发了一种新的时频分析方法，称为标度基chirplet变换。这使得相应的小啁啾能够在任何窗口长度内精确匹配多分量信号的每个轨迹的目标斜率。通过SBCT获得的TF表示可以实现显著更高的能量浓度，即使是对于具有密集频率和高背景噪声水平的多分量信号。通过分析从齿轮箱试验台获得的数字多分量信号和振动信号，证明了所提出的SBCT方法的有效性。

公司主要研发，生产和销售工业传感器和工业通讯系统的产品和解决方案，产品广泛用于工厂自动化，机械制造，装备制造等各种领域， 市场占有率全球领先。在中国，易福⻔中国作为全资子公司，负责易福⻔产品在中国的销售和技术支持。除了为市场提供优秀的传感器，通讯产品及软件系统方案外，ifm一直致力于推动3D相机的技术发展和应用落地。使您的可靠性和维护工程师能够查明问题的根本原因，降低维护成本，减少问题解决时间和机器或工厂停机时间。诊断终端在产品形式上更加类似于PLC之类的产品，有正规的工业接线端子、网口等。

ETH风电叶片缺陷数据集–读取测试数据简介提示：这里可以添加本文要记录的大概内容：结构健康监测是保障重要机电设备、建筑设施健康的重要技术手段。一、lvm_read包安装示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务