基于GR4J-LSTM混合模型的洪水预报研究

为提高洪水过程预报的准确性，将概念性水文模型GR4J (modèle du Génie Ruralà4 paramètres Journalier)的预报流量耦合到长短时记忆神经网络(Long Short-Term Memory Neural Network, LSTM)中，构建了GR4J-LSTM混合模型，并与GR4J、LSTM模型进行对比。基于2012～2019年陆水水库汛期与洪水事件相关的数据集，并结合欧洲中期天气预报中心的3 h预报降水产品，驱动GR4J-LSTM混合模型，预报陆水水库3～12 h预见期的入库流量。最后采用平均影响值(Mean Impact Value, MIV)算法评估输入变量的相对重要性。结果表明：GR4J、LSTM和GR4J-LSTM模型均具有较好的模拟预报能力，但GR4J-LSTM混合模型的预报性能最优，既可以学习GR4J模型的产汇流过程，又提高了洪水预报的精度。研究成果可为洪水预报方案制定提供参考。     

坪上煤业钻孔瓦斯排放半径现场测试

超前排放钻孔对于工作面防突具有重要意义,因此弄清工作面超前排放钻孔的钻孔间距至关重要。文章采用钻屑瓦斯解吸指标法(K1值)对坪上煤业的钻孔瓦斯排放半径进行了测试,结果表明,距离排放孔近的测试孔瓦斯解吸指标(K1)值小,距离排放孔远的测试孔瓦斯解吸指标(K1)值大,坪上煤业钻孔瓦斯排放半径约为0.65 m。     

汽车悬架球头拉杆冷成形技术

为提高生产效率、改变原来通过车削加工汽车悬架球头拉杆的方式,提出了一种球头拉杆的多工位冷镦成形工艺。基于DEFORM-3D软件建立了有限元模型,对球头拉杆的塑性成形过程进行了仿真,研究了预成形凸模入模角α、预成形凹模圆角R1、终成形凹模圆角R2以及终成形凹模入模角β等工艺参数对球头拉杆成形的影响,并进行了正交试验,以模具在球头拉杆成形过程中所受载荷及工件损伤值为优化目标,获得了合理的工艺参数组合。结果表明:在保证工件成形质量及模具寿命的前提下,当预成形凸模入模角α为30°、预成形凹模圆角R1为12 mm、终成形凹模圆角R2为3 mm、终成形凹模入模角β为60°时,模具载荷及工件损伤有显著的降低。采用优化后的参数进行试模生产,工件成形质量较好,验证了模拟结果的可信性,能够有效地指导工艺设计人员的设计工作。     

基于强化学习单元匹配循环神经网络的滚动轴承状态趋势预测

为了解决当前人工智能预测方法在滚动轴承状态趋势预测中预测精度较差、计算效率较低的问题,提出基于强化学习单元匹配循环神经网络(RLUMRNN)的滚动轴承状态趋势预测新方法。先采用滑动平均奇异谱熵作为滚动轴承状态退化特征,再将该特征作为RLUMRNN的输入完成滚动轴承状态趋势预测。在RLUMRNN中,利用最小二乘线性回归法构造单调趋势识别器,将轴承整体的状态退化趋势分为上升、下降、平稳3种单调趋势单元,并通过强化学习为每一种单调趋势单元选择一个隐层数和隐层节点数与其相适应的循环神经网络,从而改善了RLUMRNN的非线性逼近能力和泛化性能;用3种单调趋势单元和不同隐层数、隐层节点数分别表示Q值表的状态和动作,并构造关于循环神经网络输出误差的新型奖励函数,以明确强化学习的目标,从而减小循环神经网络的输出误差,避免在Q值表更新过程中使Agent(即决策函数)盲目搜索,提高了RLUMRNN的收敛速度。通过双列滚子轴承状态趋势预测实例验证了该方法具有较高的预测精度和计算效率。     

2.5 GHz城市环境电磁态势的计算与补偿

复杂城市空间的电磁态势分布可以通过电磁场数值计算的方法进行预测。文章使用矩量法(MOM)结合一致性几何绕射理论(UTD)的方法对2.5 GHz频率下某小区环境中的电磁态势进行了仿真计算以及实际测量。场景中的树木结构在此频率下显示出比较强烈的波动性,对电磁仿真计算结果产生了不可忽略的影响,文中将其对仿真计算结果的影响进行了单独建模仿真,给出其产生影响的经验值,对仿真结果进行修正。修正结果与测量结果对比证明该经验值在该频率下可以有效补偿计算结果的缺失。