基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

胡萝卜丁中维生素C在热风辅助射频干燥过程中降解的动力学模型

目的研究热风辅助射频(hot air-assisted radio frequency,HA-RF)干燥过程中维生素C随温度变化的降解动力学模型。方法在6.5 cm极板间距和60℃热风系统条件下进行HA-RF干燥,重点研究胡萝卜丁中维生素C在干燥过程中的降解动力学,包括脱氢抗坏血酸(dehydroascorbic acid,DHAA)和抗坏血酸(ascorbic acid,AA)。总维生素C含量采用2,4-硝基苯肼分光光度法测定,AA采用2,6-二氯吲哚酚滴定法测定。结果HA-RF干燥过程中维生素C的降解规律符合一级可逆模型,其降解活化能为40.54 kJ/mol。DHAA活化能为35.83 kJ/mol,表明DHAA的稳定性低于AA。结论本研究使用的干燥温度为62.5~77.5℃,较高的干燥温度下维生素C降解速率较高,较低处理温度下的降解过程具有更好的模型适应度(R2>0.98)。     

共享交通的时空轨迹检索与群体发现

为解决共享交通下的共乘用户群体发现效率低、准确率不高问题，依据R-树原理建立GeoOD-Tree索引，并在此基础上提出以最大化共乘率为目标的群体发现策略。首先，对原始时空轨迹数据进行特征提取与标定处理，挖掘有效出行起讫点（OD）轨迹；其次，针对用户起讫点轨迹的特征，建立GeoOD-Tree索引进行有效的存储管理；最后，给出以最大化共乘行程为目标的群体发现模型，并运用K最近邻（KNN）查询对搜索空间剪枝压缩，提高群体发现效率。采用西安市近12000辆出租车营运轨迹数据，选取动态时间规整（DTW）等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比，所提算法的准确率提高了10.12%，查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率，可有效提升共乘出行方式的出行率。     

锚栓用量对纯锚固岩棉保温系统抗风压性能的影响

采用ETAG 004:2013《外墙外保温薄抹灰系统欧洲技术认证指南》中规定的静态泡沫块法,测试在单位面积上使用不同数量锚栓的岩棉板外保温系统的抗风压性能。通过试验可以得出:在混凝土墙体上单纯采用敲击式锚栓锚固岩棉板外保温系统时,拉伸强度可达12.9 k Pa;单位面积增加锚栓的使用量可以提高系统的抗拉承载力,但在不同条件下增加相同数量锚栓对系统抗风载能力提高的程度不同;在普通混凝土墙中,单纯锚固岩棉板保温系统破坏时,单个锚栓承载力平均值的最大值约为其拉拔承载力的50.3%。     

引水隧洞瓦斯封堵施工技术探讨

山西中部引黄工程24标西干29+089.4~29+278隧洞段地处煤层带,富含瓦斯、一氧化碳等有害气体,且围岩节理发育、变形严重。针对初期支护完成地段、掌子面及裸露洞段和IV类围岩地段提出瓦斯封堵专项施工方案。通过密切监测做好通风,并采用高分子材料马丽散对其注浆,可有效解决隧洞瓦斯封堵难题,为类似项目提供参考。     

基于区块链技术的公益时间银行系统

在现有的时间银行系统中，时间币的发行功能和结算功能完全集中到一个中心节点上。这种极度中心化的功能结构，不仅存在容易发生中心节点单点失效、数据容易被篡改等信息安全问题，还存在着时间币的发行和流通缺乏透明度以及时间币的结算依赖中心化的结算机构等问题。针对这些问题，提出了一种基于区块链技术的解决方法。首先，将时间币的发行功能和结算功能从中心节点上分离出来；然后，利用具有分布式去中心化、集体维护和不可篡改等特性的区块链技术，将分离出来的发行功能逐步去中心化，将分离出来的结算功能去中心化，形成公益时间链（PWTB）；最终，PWTB利用区块链技术以去中心化的方式将时间银行系统由单个节点维护账本变成由集体维护一个分布式的共享账本，使时间币的发行和流通公开透明，时间币的结算不依赖某个中心化的节点。安全分析表明所设计的PWTB能够实现安全的信息传输与存储，以及数据的共享。     

结合优化支持向量机与K-means++的工控系统入侵检测方法

针对工业控制系统传统单一检测算法模型对不同攻击类型检测率和检测速度不佳的问题，提出一种优化支持向量机和K-means++算法结合的入侵检测模型。首先利用主成分分析法（PCA）对原始数据集进行预处理，消除其相关性；其次在粒子群优化（PSO）算法的基础上加入自适应变异过程避免在训练的过程中陷入局部最优解；然后利用自适应变异粒子群优化（AMPSO）算法优化支持向量机的核函数和惩罚参数；最后利用密度中心法改进K-means算法与优化后的支持向量机组合成入侵检测模型，从而实现工业控制系统的异常检测。实验结果表明，所提方法在检测速度和对各类攻击的检测率上得到明显提升。     

两阶段领域自适应学习

针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法.在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的差异最小.第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性.在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优.     

深度学习识别光网络单元故障的设计与应用

为解决依赖装维上门鉴别光网络单元故障带来的不便,可以从机器视觉入手实现自动化故障识别。近年,ImageNet挑战赛的成功推动了物体识别技术的跨越式发展,特别是基于卷积的深度学习技术在视觉识别方面已经达到人类水平,为光网络单元故障的自动识别提供了技术基础。文章对识别光网络单元的工作状态进行了研究,将设备工作状态分为7个场景,提出了利用手机APP采集图片识别故障的解决方案并投入了实际生产;重点阐述了深度学习模块的设计与实现,提出一种通过算法整合的方式综合运用物体检测和图像分类算法,分3阶段逐步求精,解决了图片过滤,光网络单元型号和状态识别等问题,实现了基于计算机视觉自动识别光网络单元故障。从数据上看产品的端到端准确率超过84%,识别速度达到10 FPS,月均提供服务超过1万人次,在减少用户等待的同时节约了人力资源。