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。     

煤矿深部开采煤岩动力灾害防控理论基础与关键技术

煤岩层赋存条件决定了煤矿深部开采条件下煤岩动力灾害的发生机理更趋复杂、防控难度显著增大,如何解决煤矿深部开采煤岩动力灾害防控问题,直接影响我国煤矿的安全生产和能源的有效供给。针对"煤矿深部开采煤岩动力灾害防控技术研究"这一科学命题,基于冲击地压"三因素"机理和煤与瓦斯突出的综合作用假说,从煤岩动力灾害防控理论基础、关键技术和防控实践等3个方面,梳理澄清了煤矿煤岩动力灾害防控中的一些模糊概念,建立了用于统一描述冲击地压和煤与瓦斯突出发生机理的广义"三因素"("物性因素"、"应力因素"及"结构因素")理论,确定了我国煤矿典型冲击地压的4种类型(煤层材料失稳型、煤层结构失稳型、顶板断裂型、断层滑移错动型),分析了影响冲击地压和煤与瓦斯突出的主要因素,从思想认知、原则方法及技术核心等方面凝练了煤岩动力灾害多尺度分源防控技术,提出了深部开采冲击地压巷道"三级"吸能支护思想与成套技术,开发了煤与瓦斯突出井上下联合抽采防控技术和超高压水射流"横切纵断"防治复合煤岩动力灾害技术,并在现场开展了应用试验。煤矿深部开采煤岩动力灾害防控理论与关键技术的建立与完善,为我国今后煤矿煤岩动力灾害的防治提供了科学依据。     

航天用多弧段封头淬火装置优化设计

提出了某航天产品用多弧段封头产品的淬火处理方法;通过有限元分析,得出了多弧段封头在底部约束情况下的热处理畸变趋势;建立了多弧段封头淬火装置的三维模型,介绍了多弧段封头淬火装置的基本结构。通过有限元分析得出在淬火装置约束下,多弧段封头热处理,总畸变量为16.0 mm,Z向15.0 mm,X向8.5 mm。通过对多弧段封头淬火装置的热畸变情况分析,提出了淬火装置的优化设计方案,优化后的多弧段封头的热处理,总畸变量为7.0 mm,Z向10.0 mm,X向3.0 mm。解决了多弧段封头热处理畸变过大问题,并通过生产验证。     

[数字孪生驱动的智能制造]基于文献计量的数字孪生研究进展分析

伴随物联网技术、云计算及机器学习等新一代信息技术的迅速发展，数字孪生技术已逐渐成为新的研究热点。基于文献计量法，对1994年以来全球486篇数字孪生相关论文的研究领域、国家与地区、论文发布期刊、关键词、研究作者及高被引论文等模块展开详细分析。结果表明，数字孪生作为一个新的研究课题，其技术挖掘性强，已在制造工程、计算机科学及电子工程等领域得到了广泛应用。在智能制造刚性需求的驱动下，数字孪生技术在未来具有非常好的理论研究和技术应用前景。     

罗沙司他共晶的合成、表征与理化性质研究

肾性贫血药物罗沙司他是在中国本土孵化、率先在中国获批的新药。利用溶液结晶法制备了罗沙司他-烟酰胺共晶(RDXT-N)、罗沙司他-肉桂酰胺共晶(RDXT-C)、罗沙司他-苯甲酰胺共晶(RDXT-B)以及罗沙司他-脯氨酸共晶(RDXT-P)四种共晶，并通过X射线粉末衍射(XRD)、差示扫描量热仪(DSC)、热重分析(TGA)、傅里叶变换红外光谱仪(FTIR)和核磁共振氢谱分析法(¹H NMR)来表征四种共晶。对罗沙司他四个共晶的固有溶出速率、溶解度和稳定性等性质进行了研究。固有溶出速率实验表明，在pH 4.5缓冲介质中这四个共晶的溶出速率均快于罗沙司他晶型A，其中罗沙司他-肉桂酰胺共晶的溶出速率最快，接近罗沙司他晶型A的10倍。平衡溶解度实验表明，在纯水中37℃条件下溶解度最大是罗沙司他-脯氨酸共晶，是晶型A的5.3倍。影响因素稳定性实验证明，罗沙司他-肉桂酰胺共晶和罗沙司他-烟酰胺共晶有着良好的湿热稳定性和光稳定性。因此，这些罗沙司他共晶可以为新剂型设计提供选择方案。