铝合金板件自冲铆接性能的响应面-遗传算法优化

为了改善自冲铆接的接头性能,提出了融合二阶响应面模型和存档微遗传算法的多目标优化方法。介绍了自冲铆接原理和铆接过程,建立了提高接头底切量、剩余厚度、底部厚度的多目标优化模型。选择了待优化的模具参数,基于极差分析和主效应图对模具参数的灵敏度进行了分析。基于中心复合实验设计法与二阶响应面法,对模具参数和质量参数之间的函数关系进行了拟合,经决定系数和修正决定系数验证,二阶响应面的拟合精度较高。使用存档微遗传算法对多目标优化模型进行求解,获得了优化的模具参数。经生产验证并与工厂的自冲铆接接头相比较可知,优化的接头底切量提高了10.00%,底部厚度提高了8.61%,剩余厚度提高了3.11%,抗拉剪能力提高了5.68%。以上数据表明,经过优化后,自冲铆接的接头性能得到了有效提高。     

基于 GA-SVM 算法的通信网络入侵信号自动识别技术

针对当前通信系统入侵行为自动识别技术存在入侵信号样本识别成功率较低、误识别率和漏识别率较高的问题,提出基于 GA-SVM 算法的通信网络入侵信号自动识别技术。利用混沌原理提取通信网络入侵的非平稳信号时域特征,并凭借自回归模型提取对应频域特征,捕捉邻域入侵信号间的非线性时空动作频率,评价相邻行为间的状态关联性,预测入侵信号后续行为,完成入侵信号的识别。实验表明,所提方法识别精度高、误识别率较低,漏识别率非常低,具有可应用于实际的理论价值。     

衡量法校准比重瓶容量及不确定度分析

当前各校准机构校准比重瓶并没有统一的校准方法,从而造成不同机构之间的校准结果存在很大差异。本文系统介绍了衡量法校准李氏比重瓶和附温比重瓶两种常见比重瓶的容量校准过程,并对测量结果不确定度进行评定。文中根据测量模型计算得到比重瓶在20℃下的实际容量,用绝对示值误差表示比重瓶校准点的容量误差,符合比重瓶行业标准要求,便于人们对其实际值的使用。     

磁性硅铁载铜吸附Hg0动力学机制及密度泛函研究

采用粉末冶金法将纳米单质铜(Cu⁰)、硅铁(FeSi)、四氧化三铁硅涂层(Fe₃O₄@SiO₂)混合煅烧并制备出新型磁性硅铁载铜吸附剂MagFeSi-Cu⁰。实验研究不同烟气温度下MagFeSi-Cu⁰的汞吸附能力基础上,结合颗粒内扩散模型、准二阶动力学模型、Elovich模型及Bangham模型分析了MagFeSi-Cu⁰吸附Hg⁰过程的主要控制步骤。在此基础上,依据密度泛函理论(DFT)研究了不同反应温度下FeSi表面Cu⁰原子与Hg⁰原子的汞齐作用机制。研究结果表明,Bangham模型的拟合值与MagFeSi-Cu⁰汞吸附实验值拟合度最高,MagFeSi-Cu⁰表面痕量Hg⁰吸附由汞的外扩散和表面铜汞齐吸附共同控制;通过密度泛函计算,发现Cu⁰颗粒表面Cu-Hg齐吸附能为-0.534 eV,当烟气温度从80℃上升至200℃时,Hg⁰原子与单质Cu原子的吸附自由能从-22.47 kJ/mol下降至-13.96 kJ/mol,这些结果为深入了解Hg⁰在Cu(111)表面的反应机理提供了理论基础。     

基于解释结构模型和复杂网络的制造系统关键脆性因子辨识

针对制造系统关键脆性因子难以辨识的问题,基于解释结构模型(ISM)和复杂网络理论,在充分考虑不同脆性因素影响的基础上,综合节点局部和网络全局两个方面提出一种制造系统关键脆性因子辨识方法.将脆性因素视为网络节点,依据复杂网络理论构建脆性因子复杂网络模型,从节点局部连接特性出发对复杂网络中节点的多个重要网络特征参数进行分析求解;同时结合ISM理论,对复杂网络进行层级划分,明晰各节点在整个网络中的层次结构关系并绘制基于ISM的网络递阶有向图,从网络全局的视角分析节点重要性,辨识出制造系统中的关键脆性因子,为制造系统的安全运行提供保障.以某装配系统为例验证了该方法的正确性,并将其用于ARPA网络,结果表明,相比于其他方法,所提方法更能有效区分网络中各节点重要性的差异,进一步验证了所提方法的有效性.     

基于语言模型的预训练技术研究综述

预训练技术当前在自然语言处理领域占有举足轻重的位置。尤其近两年提出的ELMo、GTP、BERT、XLNet、T5、GTP-3等预训练模型的成功,进一步将预训练技术推向了研究高潮。该文从语言模型、特征抽取器、上下文表征、词表征四个方面对现存的主要预训练技术进行了分析和分类,并分析了当前自然语言处理中的预训练技术面临的主要问题和发展趋势。     

密集建筑物下压煤开采及影响分析

通过对山东某矿地表密集建筑物压煤区开采条件及建筑物抗变形能力分析,提出了多个密集建筑物下压煤开采方案,采用概率积分法对开采方案进行了地表移动变形预计,并对建筑物损害程度进行了评估,通过综合对比分析,确定条带开采方案既能够满足地表变形要求,又能够有效保护地面建筑物安全,且经济、生态效益最优.     

智能终端深度学习计算卸载决策技术研究

随着AI芯片软硬件架构的迭代升级,智能终端的AI处理能力日益增强。但由于终端自身资源的局限性,使终端AI应用仍存在着严格的计算、内存和能耗成本限制。设备协同计算的概念应运而生。重点研究智能终端深度学习模型计算决策技术,结合智能终端技术栈特性与用户隐私安全深入研究了DNN计算卸载系统管线,并提出一种适合智能终端AI应用落地的模型潜在分割点搜索策略,通过系统仿真对其进行性能评估。     

基于移动窗口法的城市遥感生态质量评价研究

为进一步提高城市生态监测的精确度，在前人开展的城市生态遥感监测研究的基础上引入“区域尺度”的概念，充分考虑小区域范围内不同地物间的交互作用，并利用移动窗口模型(Moving Window-Remote Sensing Ecology Index, MW-RSEI)对沈阳市浑南区的遥感影像进行逐像元分析。实验结果表明，MW-RSEI模型和生态遥感监测模型（Remote Sensing Ecology Index, RSEI)在整体生态评价趋势上表现出一致性。但MW-RSEI模型对城市生态中的细节区域表征更明显。考虑到建筑及裸地周围植被的影响，其较差生态区域的占比仅为6%，生态评价为优的区域占比为11%。研究区生态评价结果表现得较为连续，并未出现明显的断层现象。该结果具有现实意义且与实际生态分布更为符合。MW-RSEI模型在城市生态监测中更为适用，可为相关部门提供一定的技术参考。