基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

煤-油临氢缓和液化半焦晶相结构分析

以鄂尔多斯煤为原料，加氢后的煤焦油为溶剂油，在高压釜内进行煤-油共炼反应，采用元素分析、工业分析、X射线衍射(XRD)、扫描电子显微镜等对原料煤和半焦微晶结构进行分析。结果表明：煤与半焦主要由C和O元素组成，此外还含有少量的H,S,N等元素；与原料煤相比，半焦的H/C摩尔比减少0.23,挥发分和固定碳质量分数分别降低15.77,1.64百分点，灰分升高17.87百分点；煤和半焦的XRD谱图中出现大量无机矿物质特征衍射峰，主要来源于煤和半焦中的灰分；高温、高氢压环境下，煤发生裂解与聚合反应，煤中芳香结构缩聚明显，有机质碳原子排列趋于定向且规则，石墨化程度增加；原料煤表面光滑，排列有序，粒径较大，而半焦表面粗糙，排列无序，粒径较小，表面有大量孔隙。     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

一种四自由度操作臂机构设计

一种用于GIS设备检测的操作臂的机构设计，首先依据机构参数以及全局灵活性指标比较了各种关节构型组合的优缺点，从而得出了适合于这里的机械臂的构型方案，然后以力可操作度，加速度性能，灵活性为目标函数，建立了优化求解机械臂运动学尺寸的数学模型，最终通过MATLAB提供的非线性优化函数，完成机械臂前两个杆件尺度优化，，并仿真计算操作臂的机构性能指标。虽然是针对于任务需求设计的，但对于通用的四自由度机器人的设计，有一定的参考价值。     

CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

双联斜齿轮斜齿脱模机构及改进型三板模设计

依据双联斜齿轮和单斜齿轮2个塑件同模注塑的需要,以双联斜齿轮塑件的模腔设计为中心,设计了一副一模两腔点浇口多板模注塑模具。模具中,双联齿轮的上、下斜齿轮斜齿分别使用2个可旋转斜齿轮成型件进行成型;单斜齿轮使用1个可旋转斜齿轮成型件进行成型。3个斜齿成型件设置成转动型成型件,依靠塑件的移动以驱动斜齿成型件转动,达到塑件斜齿脱模的目的;塑件的脱模移动有两种动力来源,一种是模具模板的打开驱动,一种是使用推管顶出驱动。模具为一种改进型三板模结构,定模侧增加了流道板,动模侧增加了垫板,从而可以实现模具的4次开模;4次开模动作中,2次用于流道废料的脱模,1次用于流道镶件的先抽芯驱动,1次用于模腔的打开和双联斜齿轮上斜齿轮的旋转脱模驱动。     

大豆蛋白纳米纤维对铁纳米颗粒的稳态化作用

为明确大豆蛋白纳米纤维的结构形成和扩宽铁强化剂的食品工业应用，以大豆分离蛋白（soy protein isolate，SPI）为原料，通过5 h的酸热处理制备纳米纤维（soy protein isolate fibrils，Fib SPI），系统研究纤维形成前后蛋白结构的变化，并进一步制备铁纳米颗粒（iron nanoparticles，Fe NPs），探究Fib SPI对铁的稳态化作用。研究结果表明：在酸热处理过程中，SPI产生大量的β-折叠结构，其与硫磺素T结合，显示出增强的荧光强度；此外，7S组分先发生降解，利于纤维成核形成，随后11S逐渐被水解，促进纤维生长；同时水解产生大量的小肽组分，提高了产物的还原力。研究进一步利用Fib SPI递送铁纳米颗粒（Fe NPs），发现与原始SPI相比，铁纳米颗粒可在Fib SPI原位形成胶体稳定的铁-大豆蛋白纳米纤维复合物（Fe FibSPI），并以Fe（II）形式存在，其对乳液体系色泽及稳定性的影响较硫酸亚铁或氯化铁小。该研究可为构建新型植物基铁强化剂递送体系提供理论和方法指导。     

基于VMD和改进TCN的短期光伏发电功率预测

光伏发电功率存在波动性,且光伏出力易受各种气象特征影响,传统TCN网络容易过度强化空间特性而弱化个体特性。针对上述问题,文中提出一种基于VMD和改进TCN的短期光伏发电功率预测模型。通过VMD将原始光伏发电功率时间序列分解为若干不同频率的模态分量,将各个模态分量以及相对应的气象数据输入至改进TCN网络进行建模学习。利用中心频率法确定VMD的最优分解模态分解个数。在传统TCN预测模型的基础上,使用DropBlock正则化取代Dropout正则化以达到抑制卷积层中信息协同的效果,并引入注意力机制自主挖掘并突出关键气象输入特征的影响,量化各气象因素对光伏发电的影响,从而提高预测精度。以江苏省某光伏电站真实数据为例进行仿真实验,结果表明所提预测方法的RMSE为0.62 MW,MAPE为2.03%。     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。