考虑节点过载的碳排放空间关联系统级联失效模型

为提高突发事件级联失效对现实碳排放关联系统破坏程度的评估可信性，在传统复杂网络的"负载-容量"级联失效模型基础上，考虑个体成员对负载的冗余能力，提出一种过载失效概率，构建了考虑节点过载状态的级联失效模型，并基于节点特性提出了6种过载节点负载分配策略。仿真结果表明：在过载节点负载分配策略中，综合分配策略整体上较优，能够有效控制级联失效的规模，增加网络鲁棒性；在一定范围内提升过载参数有助于降低级联失效的影响，但提升到一定程度时改善效果不明显；在不同负载分配策略下，剩余系数存在一个最优值，容量可调参数存在最优区间，可以使碳排放关联网络保持较好鲁棒性的同时，花费较小的构建成本，其中紧密度分配策略对应的网络构建成本较高。     

基于主成分分析法的地铁车站施工预警方法研究

根据多元统计分析方法,文中以青岛地铁4号线错埠岭车站为研究对象,对地铁车站安全评价进行主成分分析,通过建立变异系数v来降低专家主观性造成的不准确性,再运用线性回归最小二乘法建立散点图,划分安全与危险区,使结果更加清晰。同时在计算过程中运用MATLAB数学软件,对计算过程进行简化,使结果更加精确,计算快捷。通过建立主成分分析法和线性回归最小二乘法耦合评价模型,不仅能合理的判断其生产工作的安全程度,为部门的奖惩管理提供一定的依据;同时也为施工人员培养安全意识,降低事故的发生率,保证工程的顺利进行,为安全生产管理和决策提供合理的技术依据。     

一种改进的最小二乘回归子空间分割方法

最小二乘回归(LSR)算法是一种常见的子空间分割方法，由于LSR具有解析解，因此它的聚类性能较高。然而LSR算法是应用谱聚类方法聚类数据，谱聚类方法初始化聚类中心是随机的，会影响后面的聚类效果。针对这一问题，提出一种基于聚类中心局部密度和距离这2个特点的改进的LSR算法（LSR-DC）。在Extended Yale B数据集上进行实验，结果表明，该算法有较高的聚类精度，具有一定的鲁棒性，优于现有LSR等子空间分割方法。     

椭圆柔性铰链疲劳失效分析与寿命预测

针对柔顺机构中柔性铰链受到交变对称循环载荷的作用下,使柔性铰链最薄弱处容易产生应力集中,导致柔性铰链疲劳失效问题,以柔顺机构中椭圆型柔性铰链为研究对象,以材料力学中纯弯曲理论为基础,推导椭圆柔性铰链切口处最大集中应力计算公式;利用ANSYS仿真分析,对比验证了计算公式的准确性与可行性;在此基础上,通过引入线性回归方法,建立椭圆型柔性铰链寿命预测模型,既可以预测椭圆型柔性铰链的疲劳寿命,也可以解决疲劳失效问题。通过实例验证了该模型的正确性与有效性,可为其他类型柔性铰链的疲劳失效与寿命预测提供重要参考。     

英特尔换帅回归技术的大反攻?

2021年1月13日,英特尔公布的一则消息令这家公司获得业界的极大关注。当天,英特尔宣布任命帕特·基辛格(Pat Gelsinger)为新一任CEO,帕特·基辛格将在2月15日接替现任CEO司睿博(Bob Swan)。我们知道,前任CEO布莱恩·科再奇(Brian Krzanich)离职后,财务出身的司睿博临危受命,到目前也才上任两年,为什么在这个节骨眼上英特尔又换帅了呢?帕特·基辛格又是何许人?他能带领英特尔发起大反攻吗?     

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

42CrMo钢加热过程中的奥氏体晶粒尺寸演变

通过金相试验方法测定42CrMo钢在890~930 ℃下保温10~240 min后的晶粒尺寸。结果表明,42CrMo钢在加热到试验温度890~930 ℃时已经完全奥氏体化,保温过程中的晶粒生长属于正常生长;加热温度对晶粒尺寸的影响较大,保温时间对晶粒尺寸的影响较小;随保温时间的延长晶粒生长缓慢,晶粒尺寸与保温时间满足指数小于1的函数关系。基于试验数据,通过线性回归得到晶粒长大的Beck模型参数,通过非线性回归得到Sellars和Anelli模型参数,3个模型的预测精度都较好,而Anelli模型的适用性要高于Beck模型和Sellars模型,故在预测42CrMo钢的奥氏体晶粒长大规律时宜使用Anelli模型。