Modelling of residual stresses in the shot peened material C-1020 by artificial neural network

This study consists of two cases: (i) The experimental analysis: Shot peening is a method to improve the resistance of metal pieces to fatigue by creating regions of residual stress. In this study, the residual stresses induced in steel specimen type C-1020 by applying various strengths of shot peening, are investigated using the electrochemical layer removal method. The best result is obtained using 0.26 mm A peening strength and the stress encountered in the shot peened material is ?276 MPa, while the maximum residual stress obtained is ?363 MPa at a peening strength of 0.43 mm A. (ii) The mathematical modelling analysis: The use of ANN has been proposed to determine the residual stresses based on various strengths of shot peening using results of experimental analysis. The back-propagation learning algorithm with two different variants and logistic sigmoid transfer function were used in the network. In order to train the neural network, limited experimental measurements were used as training and test data. The best fitting training data set was obtained with four neurons in the hidden layer, which made it possible to predict residual stress with accuracy at least as good as that of the experimental error, over the whole experimental range. After training, it was found the R² values are 0.996112 and 0.99896 for annealed before peening and shot peened only, respectively. Similarly, these values for testing data are 0.995858 and 0.999143, respectively. As seen from the results of mathematical modelling, the calculated residual stresses are obviously within acceptable uncertainties.     

分辨矩阵法耗时推算

针对粗集理论的分辨矩阵方法求解知识约简过程中时空性能上存在的问题,提出分辨矩阵法耗时推算的原理和算法,包括2个耗时段的推算及推算结果的可靠性验证。推算可预知分辨矩阵法处理数据所消耗的时间,对数据挖掘实验的可行性进行预测。     

一种松弛的优化均衡流式图划分算法研究

在大规模图数据的分布式处理中,往往需要将图数据进行划分并放置在不同的节点上。如果数据划分得不均衡,那么部分节点可能会成为分布式系统的瓶颈。为了提高图数据划分的均衡性,并且有效地应对图数据的快速更新,提出了一种松弛的优化均衡流式图划分算法。首先,定义了一种同时包含划分内部代价和划分之间的割的代价的目标函数作为图划分的整体框架。然后,在图划分框架的基础上通过最大化和最小化两种优化函数分析了均衡图划分问题,并给出了二者之间的关系。最后,针对流式图数据,提出一种贪婪的图最优k划分算法。该划分算法以最大化优化函数为基础,通过最大化顶点放置产生的目标函数增加值进行节点划分块的选取。实验表明,提出的图划分算法与相关算法相比,不仅均衡性好,而且通信开销小,在基于该算法进行图划分时上层应用的计算性能得到了明显的提高。     

基于配置变迁的业务流程模型优化分析方法

为了灵活适应市场需求,业务流程模型的优化分析显得越来越重要。已有的方法大部分基于静态定位变化区域,进而对该区域进行优化,具有一定的局限性。基于Petri网的方法和行为轮廓的思想从行为角度来动态分析业务流程中的变化部分,利用日志与模型的匹配关系以及动态定位来确定模型中的变化域,考虑接口部分,利用适合度和行为适当性,通过配置变迁优化模型,然后利用行为轮廓一致性度判定最优模型,最后用实例验证该方法的可行性。     

DV-Hop定位算法误差分析与优化

传感器节点在森林、水下等复杂环境下进行数据采集时,由于信号强度与信号传输速度受到障碍物或传输介质的干扰,影响了基于信号信息的定位算法的测量精度. 同时考虑到节点的成本和节点的动态性,DV-Hop定位算法有较强的适用性和实用性. 分析了影响DV-Hop算法定位精度的因素,并在此基础上提出了一个度量节点离散程度的公式,给出了一个该算法的优化方案,仿真表明优化后的算法有更高的定位精度.     

基于FODO算法MongoDB自动分片的改进

随着Web2.0技术的高速发展,云计算中的大规模分布式服务和数据存储技术对传统的关系型数据库带来了巨大的挑战。NoSQL数据库打破了关系型数据的束缚,正在成为人们关注的焦点。NoSQL是一种非关系型数据库管理系统,松散的数据存储机制,不支持多表查询,有高效的查询功能。文中首先介绍了MongoDB数据库自动分片的原理和实现机制,然后为了解决在自动分片中数据负载不均衡,提出了基于数据操作频率的改进算法。这个改进的平衡策略可以有效地均衡分片中的数据,提高集群的并发读写性能。     

无线传感器网络中低速移动的单目标数据融合研究

为了提高数据融合效率,减少无线传感器网络节点能量消耗,提出一种静、动态分簇技术相结合的网络策略。它克服了传统单独静态分簇、动态分簇的不足,通过对簇头选举及检测目标坏境等参数进行分析比较,可以减小网络跳数、减少数据传输量,同时也实现了能量均衡利用,延长网络生命周期。在单目标低速移动状态下,其网络数据融合性能达到最佳。     

基于传感器技术的工业设备诊断系统的设计

随着物联网技术的不断发展,传感器技术得到了不断的完善,已经开始逐步运用到社会的各个方面,但是在工业设备操作现场方面的应用还不算完善。基于对传感器技术的研究,本文设计一种工业设备诊断系统。该系统通过传感器技术可以实时对工业现场设备参数进行检测和查询。由无线传感器网络将采集的信息传递到数据库服务器,最后由上位机进行相应的诊断处理。这样可以减少设备故障带来的危害和损失。     

Android平台上WiFi技术在商场员工定位系统中的应用

得益于成熟的GPS技术,室外定位精度已经让用户比较满意了,然而随着大型建筑物的增多,室内定位应用越发显得重要。Android手机提供了无线WiFi及GPRS等免费上网功能,用户可以方便地连接到网络。本文在对不同定位技术优劣性比较的基础上,将WiFi定位技术运用到Android平台智能手机上,研究大型商场内员工定位服务,实现客户端和服务器端相互通信的LBS应用系统。     

BP神经网络的医学数据挖掘

随着电子病历系统等一些临床信息系统的广泛使用,如何从医院的病历数据库中挖掘出更有价值的医学信息已成为当今一个研究热点。针对面向电子病历的医学数据挖掘,本文探讨和总结了医学数据挖掘体系结构、BP神经网络算法及应用,最后对面向电子病历的医学数据挖掘进行了展望。电子病历的医学数据挖掘的研究不但促进了电子病历系统向智能化、知识化方向发展,而且为医学研究做出了突出贡献。