卷积深度神经网络在基于文档的自动问答任务中的应用与改进

基于文档的自动问答,尤其是语义匹配,其目标是计算两个文本之间的相似度。这是自然语言处理中的典型任务,并且用以衡量对自然语言的理解程度。深度学习方法得益于可以自动化地学习到给定任务的最优特征表示,在许多研究中取得成功,也包括文本匹配。针对基于文档的自动问答,提出一个基于卷积深度神经网络的语义匹配模型,以便对每一对问题和文档提取特征,并据此计算它们的得分。通过问题和文档之间的交互计算,利用重叠词等文本特征,在中文开放域上的自动问答任务中取得的实际效果证明了该模型的有效性。     

基于APD的2.5D封装中介层自动化设计

由于高带宽存储器(High Bandwidth Memory,HBM)的高带宽特性,在2.5D封装中介层(Interposer)的版图设计过程中存在大量HBM接口的连线需要手动完成。介绍了如何使用SKILL语言在Allegro封装设计工具(Allegro Package Design,APD)中实现HBM接口的自动布线,将原来的手动布线时间从2周缩短到10 min,大大压缩设计周期。     

机器人自动制孔系统精度标定方法研究

机器人制孔系统是实现飞机自动化装配的重要设备,制孔作业前的精度标定是保证系统各项指标满足生产要求的关键环节,以往对系统进行简单的单次制孔标定无法全面掌握各个维度上的精度指标。针对位置补偿、孔位、法向、孔径及锪窝深度精度,分别提出了精度标定方法,并利用飞机装配站位上投入使用的满足精度要求的制孔系统进行检验,结果表明所提出的标定方法和测量实际产品所得结果有良好的一致性,能够用于自动制孔系统的快速标定。     

基于ABAQUS的显式动力学分析方法研究

显式动力学(The Explicit Dynamic)是针对隐式求解器的一个补充,其分析方法对于求解广泛、各类非线性结构力学问题是一个非常有效的工具,显式方法中的单个增量步取决于模型的最高固有频率,与持续时间、载荷类型无关。ABAQUS/Explicit主要用于碰撞、接触以及失效分析。探讨了ABAQUS显式动力学的基本理论、求解的问题,对显示动力学分析方法中的求解算法、稳定时间极限和能量平衡问题进行研究,给出了显示动力学分析的一般性分析方法。通过案例验证了该方法的可行性,应用该方法可有效解决实际工业生产中的碰撞问题、复杂的接触问题以及复杂的后屈曲问题,可为显式动力学分析方法应用于工程实践奠定理论与方法基础。     

基于推断策略多介质反应温度控制系统研究与实现

针对反应釜夹套多种热/冷介质温度自动控制检测硬件复杂、实现困难等问题,分析了夹套介质切换操作过程,提出了基于推断识别的夹套介质自动切换解决方案,最大程度地简化了系统硬件配置。通过记忆阀门操作推断识别夹套内当前介质,替代在线检测与分析物质成分检测系统。分析了影响压空时间的因素,关联了压空时间与压空用压缩空气压力的关系,并根据压空操作时间推断判定夹套介质压空终点,解决了传感器检测压空操作终点存在的问题。设计了基于推断识别的夹套介质自动切换控制系统,实际应用中克服了人工操作过程复杂、效率低和易出错等问题。实际应用表明,该方案介质切换的效率高、安全可靠。     

基于鲁棒控制的电动汽车能量回收再生制动控制策略研究

针对一款混合电动汽车,建立ISG电机模型和电动车动力传动系模型,在满足ECE(Economic Commission of Europe,简称ECE)基础上,为了保证汽车驾驶员的良好体验感和驾驶安全性,设计了一种基于能量最大化的制动能量回收控制策略,此控制策略对制动时的工作状态进行目标最优化设计,把优化后的电机最佳工作点用于制动过程中,同时采用鲁棒控制方法控制电机转矩。仿真结果分析,控制效果良好。     

磁流变阻尼器抑制转子系统振动试验

针对大型旋转机械通过临界转速时振动过大及运行中故障频发等问题,搭建转子试验台,模拟启停机过程和碰摩、不对中故障。不改变原有支撑形式,安装自主设计的磁流变阻尼器,在不停机的情况下,试验研究阻尼器抑制转子通过临界转速时振动过大及各类故障振动。试验结果表明,阻尼器可以有效抑制转子系统临界转速附近的振动,降幅在60%以上;转子发生碰摩或不对中故障时,阻尼器可以降低其高倍频振动。