高海拔隧道冬季施工应急预案研究

因国民经济发展和国防需要,不少高海拔区域隧道工程不得不在冬天施工,作业环境恶劣,容易导致人员伤亡和工程事故.该文针对我国高海拔隧道冬季施工特点,对高海拔隧道冬季施工应急预案开展了研究.依据国家相关法律、法规、标准和有关规定,建立项目组高海拔隧道冬季施工应急救援体系.充分考虑天气造成的不利条件和高海拔隧道冬季施工环境,总结高海拔隧道冬季施工风险,提出了防雪灾、施工便道除雪防滑、防强风、混凝土低温施工、管线防护、机械防冻和人员高原反应的针对性应急处置措施.研究成果可以有效提高高海拔区域隧道冬季施工时施工队伍的应急响应能力和协同救援效率.     

高保压液压缸组合密封仿真分析与装配精度控制研究

针对断路器液压操纵机构液压缸组件密封问题,开展了高保压液压缸组合密封仿真分析与装配精度控制研究,提出了一种基于油膜厚度的密封配合精度计算方法。利用弹性流体动力润滑理论计算出典型液压动密封的流体膜厚、泄漏量与黏性摩擦力以评估动密封性能,通过结构非线性有限元计算出的密封接触压力拟合出弹性润滑理论中密封处油膜压力,并使用一维稳态雷诺方程逆解建模以获得有限元接触压力和油膜厚度之间的关系,最终通过选配方法在精密偶件装配中进行了控制,并通过数值仿真与实验相结合来验证该方法的有效性。     

α混合样本下多核正则分类器的学习速率

给出了Tikhonov正则算法的多核正则分类器在α混合样本下的错分误差的界.利用α混合样本的Bernstein不等式,得到了α混合样本情况下的两个相关结果,然后将这两个结果应用到误差分解,并得到学习速率的估计.     

随机多粒度标记序决策系统的最优粒度选择

传统随机信息系统的属性一般只有一个粒度层面，即系统中的每一个对象在每一个属性上取唯一的值，而在实际应用中，人们往往需要从不同的粒度层面去获取知识.实际生活中数据集的一个对象在同一个属性上根据不同的粒度可以取不同值.针对多粒度数据集的知识获取问题，本文讨论随机多粒度标记序信息(决策)系统的最优粒度选择问题.首先，通过优势关系给出随机多粒度标记序信息系统的信息粒表示，进一步定义由条件属性集导出集合的下近似与上近似，描述在不同标记下的信息粒的结构以及上、下近似的变化关系；其次，用证据理论的信任函数与似然函数来刻画随机多粒度标记序决策系统的两种最优粒度；最后，给出协调和不协调随机多粒度标记序决策系统的最优粒度选择算法.     

线性时滞系统前馈-反馈次优控制: Taylor 级数法

研究线性时滞系统最优控制的前馈反馈近似设计问题.基于Taylor级数法,将系统的二次型最优控制问题转化为线性代数方程组的求解问题,给出了系统前馈反馈次优控制律的存在唯一性条件和Taylor级数表示形式.仿真算例验证了方法的有效性.     

基于3D多尺度特征融合残差网络的高光谱图像分类

深度学习中用于训练的高光谱图像(HSI)数据十分有限,因此较深的网络不利于空谱特征的提取.为了缓解该问题,文中提出3D多尺度特征融合残差网络,利用深度学习和多尺度特征融合的方式对光谱-空间特征进行有序的学习.首先对3D-HSI数据进行自适应降维,将降维后的图像作为网络输入.然后,通过多尺度特征融合残差块依次提取光谱-空间特征,融合不同尺度的特征,通过特征共享增强信息流,获得更丰富的特征.最后以端到端的方式训练网络.在相关数据集上的测试表明,文中网络具有良好的分类性能.     

基于AVR的高效数控恒流恒压源设计

本系统分四个模块：单片机控制及显示模块、PWM低通滤波（模拟DA输出）转换模块、电源供电模块、电流检测模块。控制模块以ATMELMEGA8单片机为核心,利用片内自带的10位AD转换,实现闭环控制;PWM低通滤波器采用2阶RC滤波器,将PWM矩形波拟合成直流量,从而控制调整管;电源模块开关电源和线性电源相结合,保证了高效率和低纹波。本设计可实现电流0—50mA且有1mA和10mA的两种步进,输出超过10V进入恒压模式,并且能在液晶上显示数据。     

基于神经网络的回归学习算法收敛性分析

本文利用最小二乘理论研究学习理论中的回归问题.其目的在于利用概率不等式与神经网络的逼近性质来分析回归学习算法的误差.结论表明,当回归函数满足一定的光滑性时,得到较为紧的上界且该上界与输入空间的维数无关.     

多项式函数的神经网络逼近: 网络的构造与逼近算法

该文作者先用构造性方法证明：对于给定的r阶多项式函数，可以具体地构造出一个三层前向神经网络，以任意精度逼近该多项式，所构造的网络的隐层节点个数仅与多项式的阶数r和网络的输入个数s有关，并能准确地用r表达；然后，给出一个实现这一逼近的具体算法；最后，给出两个数值算例进一步验证所得的理论结果．该文所获得的结果对前向神经网络逼近多项式函数类的网络具体构造以及实现逼近的方法等问题具有较为重要的指导意义．     

约简数据集的支持向量分类机算法

支持向量机是当前智能计算研究领域的热点之一。基于支持向量机的大样本学习一直是一个非常具有挑战性的研究课题。对于分类问题给出一种基于相似度的约简数据集的方法。给出的新算法大大地减少了训练样本的数目和所求解的支持向量机算法的规模,有效地加快了支持向量机算法的训练速度。仿真实验表明：新算法较为简单、实用。