重载矿用胶轮车液压制动系统设计研究

根据煤矿井下运输的安全要求,对一款轮边驱动重载矿用胶轮车进行制动指标的理论计算,并对制动系统进行了选型设计。在MATLAB/Simulink中建立整车动力学模型,根据井下实际环境,对胶轮车在多种运行工况下进行了仿真分析。仿真结果表明,所设计的轮边驱动重载矿用胶轮车的液压制动系统满足设计要求和煤矿安全规程。该研究对提高矿井辅助运输安全性、提升井下作业效率具有积极的意义。     

知识增强的自然语言生成研究综述

自然语言生成(Natural Language Generation, NLG)任务是自然语言处理(Natural Languge Processing, NLP)任务中的一个子类,并且是一项具有挑战性的任务。随着深度学习在自然语言处理中的大量应用,其已经变成自然语言生成中处理各种任务的主要方法。自然语言生成任务中主要有问答任务、生成摘要任务、生成评论任务、机器翻译任务、生成式对话任务等。传统的生成模型依赖输入文本,基于有限的知识生成文本。为解决这个问题,引入了知识增强的方法。首先介绍了自然语言生成的研究背景和重要模型,然后针对自然语言处理归纳介绍了提高模型性能的方法,以及基于内部知识(如提取关键词增强生成、围绕主题词等)和外部知识(如借助外部知识图谱增强生成)集成到文本生成过程中的方法和架构。最后,通过分析生成任务面临的一些问题,讨论了未来的挑战和研究方向。     

基于机器学习的BiFeO3-PbTiO3-BaTiO3固溶体居里温度预测

钙钛矿(ABO₃)型压电陶瓷的发展已有几十年历史, 现存有大量数据, 从这些数据中寻找出材料结构与性能之间的关系很有意义。本工作收集了BiFeO₃-PbTiO₃-BaTiO₃钙钛矿型压电陶瓷居里温度(T_c)实验数据, 通过机器学习,构建钙钛矿型压电陶瓷T_c的预测模型。热力学角度, T_c与约合质量符合二次多项式关系, 但偏差较大。选择元素信息、物理量、空间群编号等基础描述符, 利用基于压缩感知原理的SISSO(Sure Independence Screening and Sparsifying Operator)方法进行机器学习, 找出了T_c与成分之间的相关性。比较不同描述符在不同维度上的均方根误差RMSE (Root Mean Square Error), 发现描述符越多、越基础, 维数越大、RMSE越小。同时比较相同个数描述符在同一维度下的RMSE, 用约合质量、A位和B位的离子半径比、A位和B位的未填充电子数比和Ba、Pb、Bi的元素含量等六个描述符构建出最优的四维模型, 其RMSE为0.59 ℃, 最大绝对误差(MaxAE)为1.38 ℃, 外部测试的平均相对误差MRE (Mean Relative Error)为1.00%。结果表明,利用SISSO可以进行有限样本钙钛矿型压电陶瓷T_c的机器学习预测。