基于CFD-DEM方法的净化器流场模拟与结构优化

针对空气净化器能耗高的问题，使用离散元方法(DEM)在吸附滤网中建立随机堆积柱形活性炭模型，采用计算流体力学(CFD)方法对空气净化器内部流场进行数值模拟，在模拟与实验验证的基础上，考察了压降最小、流场最均匀的吸附滤网结构。结果表明，空气净化器压降主要发生在轴向，活性炭吸附滤网中回流、沟流现象严重，流体阻力是其他两种滤网的3倍。边数对多边形填充孔结构吸附滤网内压降与流场均匀性无影响，当孔结构改为圆形时，压降减小约52 Pa，节能18.4%(49 W)；当孔直径由8 mm增至12 mm，压降减小约48 Pa，节能19.4%(45 W)；滤网间距对空气净化器压降无影响，圆形、小孔径的吸附滤网内流场最均匀。     

随机提前期下非线性供应链库存优化策略选择

在供应链运作实践中,提前期不确定是一个常见的管理难题。为明晰随机提前期对供应链系统的影响机理,并提出抑制随机提前期对供应链系统性能负面影响的策略,建立了一个复杂非线性供应链系统动力学模型,该模型考虑订单交叉、不允许退货等前提条件,并引入随机需求和随机提前期。这些前提条件使模型更符合实际,同时也大大增加了模型的复杂度。将订货量波动、服务水平和库存成本作为评价供应链性能的指标,通过仿真实验,研究不同库存策略下,随机提前期对这些性能的影响。研究发现,存在比传统策略更优的库存策略,这些策略能在一定程度上抑制随机提前期的负面影响;随机提前期波动只对各项指标的大小变化有影响,并不改变各项性能指标在整个库存控制策略域内的变化趋势。     

车辆座椅和悬架系统的参数自调整模糊PID集成控制

为更好的提高车辆行驶平顺性和舒适性,结合模糊理论和PID控制方法提出了参数自调整模糊PID控制策/4车辆四自由度“车-椅-人”悬架系统模型,运用MATLAB中Simulink模块搭建了系统控制框图,接着选取某车型参数进行了运动仿真。讨论了随机激励下分别以车身控制、座椅控制和集成控制方法的人体加速度、座椅加速度、车身加速度、悬架动挠度和车轮动载荷等评价指标,对比分析了集成控制策略的优越性。分析结果表明采用该控制方法后车辆的行驶平顺性和操纵稳定性得到了明显的改善。     

公交车到站时间预测模型研究

为了研究影响公交车到站时间的机理,以广州公交140路相邻的3个站点为例,经数据处理和挖掘后,提取停靠时间、行驶时间和社会车速度这3个特征向量,并运用BP神经网络、支持向量机、决策树、随机森林等6个模型来预测公交车到站时间。根据公交车到站时间预测的特征和6个预测模型的特征等提出了可拓预测模型。可拓预测模型的RMSE和MAE在所运用模型中是最低的,证明该方法有效。     

基于随机模型的动车组制动模块稳健优化设计

针对目前产品优化设计中未考虑设计变量随机性和灵敏度指数对产品质量特性的影响及优化求解效率低等问题，提出一种综合考虑灵敏度指数与质量损失函数的稳健优化设计方法。通过假设设计变量的分布类型，得到设计变量的概率分布特征，将设计变量对产品质量特性的灵敏度指数与质量损失函数加权整合，并以此作为优化目标，以设计变量的容差作为约束条件，构建随机稳健优化模型。通过扩大种群数目、改进控制参数及增加惩罚因子的方法对遗传算法进行改进，结合改进的遗传算法对优化模型进行求解，得到优化模型的全局稳健最优解。以某动车组制动模块为例，采用给出的方法对其进行稳健优化设计，验证该方法的有效性与合理性。优化结果表明，该方法能够实现动车组制动模块的稳健优化设计，提高了制动模块的抗干扰能力。     

神经网络全局势函数在多相催化中的应用

当今的多相催化研究需要新的技术和方法从原子尺度上表征活性中心结构和反应中间体。本文作者课题组近期开发了理论模拟新技术来探索催化剂活性位点结构，即基于神经网络势函数的大规模原子模拟（LASP）软件中实现的全局神经网络势函数计算方法。本文介绍了该方法可以显著降低催化体系的计算代价，而维持与密度泛函理论同一级别的计算精度，从而解决多相催化中的许多复杂问题。本文对神经网络势函数方法的实现细节和目前已实现的应用场景进行了详细介绍。神经网络势函数可以用来预测材料晶体结构，理解高压氢化条件下TiO₂表面的结构演化和确定三元氧化物ZnCrO晶相中合成气制甲醇活性位点。最后文章分析了神经网络势函数的局限性和今后可能的三个研究方向，即材料性质预测、多元素体系神经网络势函数构造和化学反应拟合。     

带延迟索赔和随机收入的离散风险模型的Gerber-Shiu分析（英）

破产理论是保险数学中的重要问题，它可以为保险公司决策者提供一个非常有用的早期风险预警手段．本文研究了一个带潜在延迟索赔和随机保费收入的复合二项风险模型．利用矩母函数的技巧，得到了 Gerber-Shiu 期望折罚函数的递推公式．特别地，还得到了贴现因子为 1 的特殊情形下的 Gerber-Shiu 期望折罚函数的解析表达式．最后还得到了实际应用中的一些重要的破产特征量，包括破产概率，破产时赤字的密度函数，破产前盈余与破产时赤字的联合密度函数，以及导致破产的索赔密度函数等．     

基于LSTM-RF模型的城市道路交通流预测

交通流预测作为信号协调和出行时间预测等任务的基础,成为了交通领域的研究点。对于交通流预测问题,研究人员提出了多种方法,但这些方法大多只使用交通流数据的时域信息进行交通流预测,忽略了空间相关性对于预测目标路段流的影响,导致预测精度不理想。基于组合模型的思想提出了一种称为LSTM-RF的交通流预测模型。在交通流预测过程中,首先使用LSTM模型提取预测目标路段的时序特征,再将其预测值与采集的相邻上下游路段信息同时作为随机森林模型的输入特征,进行交通流时空相关性分析,获得最终的预测结果。并通过贵阳市车牌识别系统采集的城区132条路段的交通流数据进行实验验证。结果表明:该方法在预测精度上优于单一模型,并且预测误差相比单一模型有明显减少。     

基于列表译码方法在查询访问模型下含错学习问题的分析

Regev在2005年提出了含错学习问题(LWE)，这个问题与随机线性码的译码问题密切相关，并且在密码学特别是后量子密码学中应用广泛。原始的含错学习问题是在随机访问模型下提出的，有证据证明该问题的困难性。许多研究者注意到的一个事实是当攻击者可以选择样本时，该问题是容易的。但是目前据作者所知并没有一个完整的求解算法。该文分析了查询访问模型下的带有错误学习问题，给出了完整的求解算法。分析采用的工具是将该问题联系到隐藏数问题，然后应用傅里叶学习算法进行列表译码。