缠绕成型温度和玻璃钢管材性能数据的高精度非线性回归

为了得到缠绕成型温度和玻璃钢管材性能数据的高精度非线性数学模型,以调整判定系数来评价拟合优度,参考最大相对误差,进行了性能因子为有量纲数时的线性回归,构造了6种温度因数的非线性回归。结果表明,当热风枪加热温度与预热通道温度的比值和热风枪加热温度与芯模温度的比值作为回归的自变量时,关联式拟合层间剪切强度Fsbs的最大偏差为1.46%。当层间剪切强度Fsbs≤27.62MPa时,以预热通道温度与热风枪加热温度的比值和预热通道温度与芯模温度的比值作为回归的自变量,分段回归后关联式的最大偏差为0.005%。而当预热通道温度与热风枪加热温度的比值和热风枪加热温度与芯模温度的比值作为回归的自变量时,关联式拟合环向拉伸强度的最大偏差为0.003%。     

基于二次回归正交设计的啮合齿轮表面温度分析

为了缓解齿轮在啮合传动过程中齿面产生的局部高温导致齿轮表面固有熔焊粘附的问题,基于二次回归正交设计方法设计了27组因素水平试验,利用ANSYS软件对单个齿轮通过添加边界条件进行有限元分析,得到单个齿轮本体最高温度.通过Design-Expert软件对试验数据进行分析处理,得出:齿轮的转速z_1、齿轮的转矩z_2、齿轮的齿宽z_3和齿轮压力角z_4均方分别为556.82,1 813.69,278.17,20.02,即影响齿轮本体最高温度响应值的四因素主次顺序为齿轮的转矩z_2、齿轮的转速z_1、齿轮的齿宽z_3和齿轮压力角模数z_4;齿轮本体最高温度会随着齿轮的转速z_1、齿轮的转矩z_2和齿轮的齿宽z_3增大而增大;齿轮本体最高温度随着齿轮压力角z_4增大而减小.这一结论为齿轮的设计提供借鉴意义.     

多指版图结构对纳米MOSFET阈值特性的影响分析

针对纳米级工艺多指栅MOS晶体管的不同版图结构及其阈值波动的相关特性进行分析和研究。通过将基于Fujitsu 90nm工艺的三种不同版图结构实现的N型多指栅MOSFET器件阈值电压VTH作为工艺波动的研究对象,运用多元非线性回归算法对测试芯片进行系统工艺波动与随机工艺波动的提取和分析,并对与尺寸、版图结构相关的随机工艺波动特性进行了评估。测试结果表明三种版图结构中有源区共有结构具有最佳的电流驱动特性,有源区隔离结构抑制系统波动能力最优,折叠栅结构具有同尺寸器件较低的阈值电压并可以最有效地抑制随机工艺波动。     

正则双胞参数间隔支持向量回归机

双胞参数间隔支持向量机在模式识别上拥有优秀的分类能力.然而,原始的TPMSVM模型仅针对二分类问题,并不能处理回归学习任务。为此,文章提出了一种新的正则双胞参数间隔支持向量回归机模型(RTPMSVR)。RTPMSVR模型的最终回归输出函数是间接通过寻找一对最优的非平行上界和下界参数间隔函数来构建的.通过继承TPMSVM模型的损失函数,RTPMSVR模型分别为上界和下界的参数间隔函数构建二次规划优化模型。此外,为提高模型的泛化能力,引入额外的正则项,进而保障模型解的唯一性.根据对偶理论,构建模型求解的最优KKT条件,并将RTPMSVR模型的原问题转换为对偶问题来求解。最后,通过对比实验,验证了该方法的有效性。     

抛掷爆破爆堆形态的标准化分析处理方法研究

抛掷爆破爆堆的形态对于倒堆系统总作业量与成本、后续倒堆环节的工作面参数设计工作等有着至关重要的影响，针对当前爆堆形态样本量不足、错误数据影响预测效果等问题，提出了爆堆形态的标准化分析-处理方法，具体包括数据库的构建、基于工作面形态特征的样本筛选及分类、基于爆堆形态特征的样本筛选与分类，实现了海量爆堆数据的快速处理，提高了样本的有效性。利用局部加权线性回归对样本集合进行回归分析，最终获得了三组具有普遍解释意义的典型爆堆曲线，研究提出的处理方法具有快速、高效、便捷等特点，为现场抛掷爆破-拉斗铲倒堆工艺的设计提供了准确的依据。     

基于改进灰色-多元回归组合预测模型的燃煤电厂智慧水务研究

以某燃煤电厂水务系统为研究对象，对机组运行参数和水量历史数据进行筛选和关联性分析，根据前期水平衡测试结果，结合响应面分析验证，发现机组负荷、蒸发损失系数、浓缩倍率和循环水温升这四个因素能够对全厂供水量产生关键性影响。基于灰色理论和多元非线性回归分析，分别建立各因素的灰色预测模型GM(1, 1)，再将灰色模型预测值作为自变量输入到多元非线性回归方程中，得到了改进灰色-多元非线性回归组合的供水量预测模型，其模型拟合度R²为0.913且与真实值的平均相对误差为6.9%左右，实现了灰色模型和回归模型优势互补，有效地预测该电厂供水量未来变化；而供水量预测是智慧水务建设的关键所在，是水务管理和智能调度的主要依据，也是实现供水管网漏损和仪表故障报警的重要途径。     

一种新的风电场复杂下垫面场地校准模型

针对现有方法模型简单、气象因素考虑不足和缺少异常数据检测等问题,提出一种基于相对密度离群因子（relative RDOF）异常检测和支持向量回归（SVR）组合的场地校准模型。首先,通过RDOF与四分位法对测风塔与风电机组距下垫面相同高度风速间的风速比进行异常数据检测,间接实现风速预处理;同时,根据测风塔与风电机组相同高度风切变序列的相关性,动态引入大气稳定度等级,与多种常规自然因素共同作为模型输入。然后,建立SVR场地校准模型修正风速。最后,通过算例验证,并与国际电工委员会（IEC）标准方法进行对比。结果表明,该方法可有效提升场地校准模型的风速修正精度。