一种高精度的非平稳随机信号实时建模算法研究

针对传统的非平稳随机信号时变参数筹分模型算法的不足,论文把非平稳随机信号时变参数差分模型与一种带自适应遗忘因子的RLS算法结合起来,形成一种有效的非平稳随机信号实时建模算法,仿真分析表明该算法不仅能获得快的收敛速度而且能获得高的建模精度。     

加入WTO我国产品标准急需由生产型转换成贸易型

标准按其目的是为了促进贸易还是为了指导生产，可分为贸易型和生产型两种类型。以产品标准为例，贸易型标准的特点，在于确定其技术内容时，只规定产品的主要性能，至于那些不必要的内容或需要按用户需求确定的内容，在标准中不予规定，需要时待合同中与用户协商确定。这样的标准不仅为生产厂提高产品质量发展生产提供最大自由度，而且为用户购买产品留有选择的余地，既有利于生产，又有利于贸易。生产型标准的特点，在于确定其技术内容时，不仅规定产品的主要性能，而且详细地规定许多具体的以及需要按用户需求确定的内容。这种标准对生产…     

奥氏体不锈钢车削时刀具磨损对切削因素和表面质量的影响研究

研究了奥氏体不锈钢车削加工过程中刀具后刀面磨损对切削力、切削温度、粗糙度及残余应力影响规律。试验结果表明:当刀具后刀面磨损在一定范围内,F_x与F_z随磨损量的增加而显著增大,而F_y基本保持不变;温度随刀具后刀面磨损量增加而显著增大;工件的表面粗糙度随刀具后刀面磨损量增大而增大;当车刀后刀面磨损为0.167 mm时,工件加工表面的残余应力最大。     

韧性断裂准则在板料成形中应用研究进展

对板料成形中的成形极限应力图、最大变薄率、成形极限图以及韧性断裂准则等预测成形极限的方法进行了综述和分析,提出了利用韧性断裂准则能够较好地预测塑性差的板料成形极限,而且还能考虑应变路径的变化.利用有限元方法模拟时,韧性断裂准则既可以运用到完全耦合的弹塑性损伤模型的增量方法中,也可以运用到一步有限元逆算法中.指出了为准确地预测成形极限,除了提高有限元模拟精度外,应找到一种本质地反映材料性能的准则.     

基于微藻培养的沼液处理相关耦合技术进展

基于微藻培养的沼液处理相关耦合技术是近些年沼液资源化处理利用领域的研究热点。本文综述了沼液处理与CO₂固定耦合技术、沼液处理与高值生物质生产耦合技术、沼液处理与生态农业耦合技术等耦合技术的研究发展现状与优缺点，并指出了各耦合技术发展的关键问题，如沼液处理与CO₂固定耦合技术中高CO₂耐受性藻株选育与固碳影响机理研究问题、沼液处理与高值生物质生产耦合技术中低成本、低能耗高值生物质生产技术开发问题、沼液处理与生态农业耦合技术系统性评价体系缺乏问题等。最后，为促进耦合技术突破现有瓶颈，从微藻选育、微藻培养、沼液处理与沼气工程综合经济性4个角度提出相关的建议。     

基于集成学习的卡车空压系统故障诊断研究

针对故障特诊复杂多样和故障样本类别不平衡,使用传统故障诊断算法对机械设备进行故障预测时预测结果正确率和可靠性偏低的问题,提出一种改进的Stacking集成学习结构,一方面对数据集进行降采样来重构数据集,另一方面使用贝叶斯优化和网格搜索来调节单个机器学习模型参数,最后通过改进的Stacking集成学习框架将训练好的强机器学习模型融合在一起,实现对机械设备故障的预测.在斯堪尼亚卡车空压系统故障数据集上进行实验,获得了比LightGBM、CatBoost等任一单模型更好的效果,较适用于复杂工况下的机械设备的故障诊断,为准确率和可靠性要求高的场景提供一种解决方案,具有较强的应用价值.     

基于列车实时数据协议AES加解密算法的实现

随着高速列车智能化集成度不断的提高,传输数据量的增大推动了TRDP(列车实时数据协议)技术的发展,与此同时,也为移动网络随意接入列车网络并恶意篡改通信数据提供了可能性.因此,提出搭建TRDP通信网络平台,在TRDP传输数据帧的基础上增加AES加/解密技术,实现对数据的加密和解密处理.结果显示,重要控制指令数据经过加密后,成功的避免了未知网络设备对列车传输数据的读取和篡改.为列车通信传输质量提供了基本保障.     

基于改进风驱动算法的摄像机标定优化方法

为进一步提高摄像机参数标定的准确率,提出一种基于改进风驱动算法的摄像机标定优化方法.将摄像机内参作为空气微团的位置矢量,将标定结果的重投影误差作为空气微团的适应度值,通过迭代寻找适应度值最小的解.针对基本风驱动算法中固有参数的设置问题,通过引入协方差矩阵自适应进化策略自动确定.将该方法与张正友标定法、基于粒子群算法的标定法和基于基本风驱动算法的标定法作比较,实验结果表明,改进算法优化标定的摄像机内参精度更高,具有更快的收敛速度和更好的稳定性.     

基于部分加权损失函数的RefineDet

针对目标检测网络单阶改进目标检测器（RefineDet）对类间不平衡数据集中小样本类别检测性能差的问题,提出一种部分加权损失函数SWLoss。首先,以每个训练批量中不同类别样本数量的倒数作为启发式的类间样本平衡因子,对分类损失中的不同类别进行加权,从而提高对小样本类别学习的关注程度;然后引入多任务平衡因子对分类损失和回归损失进行加权,缩小两个任务学习速率的差异;最后,在目标类别样本数量存在大幅差异的Pascal VOC 2007数据集和点阵字符数据集上进行实验。结果表明,与原始RefineDet相比,基于SWLoss的RefineDet明显提高了小样本类别的检测精度,它在两个数据集上的平均精度均值（mAP）分别提高了1.01、9.86个百分点;与基于损失平衡函数和加权成对损失的RefineDet相比,基于SWLoss的RefineDet在两个数据集上的mAP分别提高了0.68、4.73和0.49、1.48个百分点。     

高速列车多目标约束横向半主动控制算法研究

传统的高速列车横向半主动控制研究,主要以提高车体横向运行平稳性为目的;但车体与各部件之间通过二系悬挂与一系悬挂连接传递相互耦合振动作用,因此半主动控制在改善车体横向平稳性的同时,将导致构架横向振动和轮轨横向作用加剧,从而使得列车脱轨系数增大,列车运行安全性能变差;针对这一问题,提出在虚拟惯性阻尼半主动控制和脱轨安全半主动控制的基础上,设计两个控制回路的多目标约束下的混合半主动控制算法,在实现列车横向半主动控制提高平稳性的同时,控制脱轨系数的恶化,从而同时提高列车平稳性和脱轨安全性能;并利用Simpack建立了某型高速列车多刚体动力学模型,联合Matlab/Simulink建立了联合仿真分析系统对车体横向半主动控制进行研究;结果表明:采用多目标约束半主动控制算法后,车体横向振动加速度峰值和均方根值分别降低了36%和34%,平稳性改善了15%,脱轨系数减小了17%;可见采用多目标约束半主动控制算法不仅能够有效抑制车体横向振动,改善列车运行平稳性,而且还能减小列车脱轨系数,提高列车运行安全性。