基于CLPSO-IDBN的风电机组轴承故障诊断

针对风电机组轴承故障诊断时的数据特征复杂难以提取，故障诊断准确率低，耗费时间长等问题，提出一种综合型学习粒子群算法(comprehensive learning particle swarm optimization, CLPSO)与改进深度置信网络(improved deep belief network, IDBN)相结合的故障诊断方法。首先在DBN内部添加了迭代误差阈值优化策略构建IDBN,大大减少了训练时间；然后利用CLPSO算法优选IDBN网络结构，运用具有最优结构的IDBN模型从原始信号中提取故障特征，识别轴承的故障类型。仿真实验结果表明，CLPSO-IDBN算法模型具有更高的准确率以及在相同情况时更少的训练时间，在训练集和测试集上的诊断准确率分别达到了98.28%与97%,并且可以平均节省约30%的训练时间，与4种其他方法相比较，证实了新方法的有效性与准确性。     

六大国际著名检索系统

1)美国<<科学引文索引>>(Science Citation Index),即 <>.它创刊于1961年,由美国信息研究所(ISI)编辑出版,是一个大型多学科综合性检索系统,主要报道生命科学、医学、生物、物理、化学、农业、工程技术领域内的科技文献，其文献来源于科技期刊，并包含少量专著、会议论文和书评。     

基于BPNN、SVR和RF模型的7050合金高温流动应力预测

采用Gleeble-3500热物理模拟机对7050铝合金进行等温热压缩实验，获得了合金在变形温度为300～450℃以及应变速率为0.001～1 s^-1条件下的应力应变数据。在此基础上，建立了经灰狼优化算法(Grey wolf optimization, GWO)优化的反向传播神经网络(BPNN)、支持向量机(SVR)和随机森林(RF)模型并验证其预测精度。结果表明：经过GWO优化的BPNN、SVR和RF模型预测精度高于原始模型；GWO-BPNN与GWO-RF模型的预测精度比较接近，且均高于GWO-SVR;在外推数据预测上，GWO-BPNN模型的预测精度更高，在内插数据预测上，GWO-RF模型的预测精度更高。不同机器学习模型对流动应力数据的拟合效果不同，其预测精度也存在差异。     

昆明贵金属研究所计算材料学科的发展

介绍了昆明贵金属研究所计算材料学科20多年的发展过程和历程。详细介绍了各发展阶段中计算材料学在贵研所材料研究中在非晶态、势函数、高温材料、电接触材料、材料加工与成形,功能材料等领域开展过的主要研究工作以及取得的主要成果。预测了未来该学科的发展方向以及发展建议。     

基于领域知识辅助的机器学习方法对软磁金属玻璃性能的预测（英文）

提出一种领域知识辅助的机器学习方法，实现对软磁金属玻璃饱和磁化强度(B_s)和临界尺寸(D_max)的预测。基于公开的实验数据，建立软磁合金数据库。提出一个通用的特征空间，适用于面向不同预测任务的机器学习模型训练。结果表明，机器学习模型的预测能力比基于物理知识的估计方法精度更高。此外，领域知识辅助的特征选择可在有效减少特征数量的同时，不显著降低模型的预测精度。最后，对软磁金属玻璃临界尺寸的二分类预测进行讨论。     

计算材料学的现状与发展前景

计算材料学是目前材料科学中发展最快的科目。随着大量的论文发表(现在有专门的关于这个主题的期刊,如Computational Materials Science)和研究材料模拟的科学家数量的快速增长,现在已有条件检验计算材料学对材料科学的影响。如何确定这个影响?取决于考虑问题的出发点。可以回顾一下计算机模拟在新材料的发展上起过什么作用,或许更重要的是,总结在材料性能的基础研究方面有哪些突破应归功于计算机模拟。     

用Fisher判别法和支持向量机预测地下矿山矿柱稳定性(英文)

利用Fisher判别分析(FDA)和支持向量机(SVMs)等来识别地下矿山矿柱稳定性,从多种煤矿和石材矿山中提取一些指标和力学参数作为识别因子,包括矿柱宽度、高度、矿柱的高宽比、岩石单轴抗压强度和矿柱应力。包括取样、训练、建模和评估4个主要步骤。在建模阶段,基于统计学习理论,建立两类矿柱稳定性预测的FDA和SVMs模型,以40组世界不同矿山的实测数据进行模型的训练和测试,并将其模型应用于其他6组待测样本来验证建立模型的有效性,将SVMs模型预测结果与FDA模型及实际情况进行对比,采用指标回代估计法和交叉验证法来考察模型的识别能力。研究表明,SVMs和FDA模型都能较好地预测矿柱的稳定性,但SVMs的优势更明显,有望成为一种可靠、实用的地下矿山矿柱稳定性的评价工具。     

基于KPCA-GA-BP模型的页岩气集输管道的内腐蚀速率预测

针对页岩气集输管道的内腐蚀,提出了一种基于KPCA-GA-BP组合模型的腐蚀速率预测算法。以某条页岩气集输管道的检测结果作为训练数据,运用反向传播(BP)神经网络建立预测模型,运用遗传算法(GA)优化了神经网络权值和阈值的初始值,运用核主成分分析法(KPCA)对数据进行了降维,在模型建立的过程中不断优化提升模型的预测精度,采用所建模型对另一条相邻管道进行预测并开挖验证。结果表明：选择TRAINGDM作为训练函数,隐含层节点为(8,1),遗传算法进化数为50,种群规模为100,交叉概率为0.3,变异概率为0.2,运用KPCA将数据从7维降为4维后,此模型的均方误差最低为0.12,当该模型用于相邻管道的预测时,均方误差为0.14。运用KPCA-GA-BP模型,对页岩气集输管道内腐蚀速率进行预测具有一定的准确性,此模型可用于辅助指导现场内腐蚀直接评价等相关工作。     

铝电解生产减排全氟化碳(PFCs)分析与展望

国内电解铝工业在近年得到了快速发展,大型预焙槽已基本取代高污染自焙槽.为实现国家倡导的创建资源节约型、环境友好型企业目标,进一步降低电解槽对环境的影响成为当务之急.减少电解槽全氟化碳(PFCs)的排放成为一个有效减少电解生产对环境影响的主要方法.本文对国内外铝厂减排(PFCs)温室气体情况进行了综述.并针对国内铝厂的现状就如何进一步减少(PFCs)温室气体排放进行了探讨.     

基于迁移学习与残差网络的刀具磨损状态监测

针对现有基于深度学习的刀具磨损状态监测方法训练样本少、识别精度低的问题，建立基于迁移学习（TL）与深度残差网络(ResNet)的铣刀磨损状态监测模型。将刀具加工过程中的振动监测信号通过连续小波变换转换成能量时频图，作为网络模型的输入；将在ImageNet数据集上训练的ResNet50模型作为预训练模型，通过迁移学习的方法，应用到刀具磨损状态监测领域当中。实例验证表明:TL-ResNet模型的平均识别准确率达到98.52%，实现了刀具不同磨损状态下的智能识别，有效提高了刀具磨损状态监测的准确性和稳定性。     

金属材料海洋环境腐蚀数据咨询管理及预测诊断系统

采用面向对象的编程语言Visual Basic(VB)编制了金属材料海洋环境腐蚀数据咨询管理和预测诊断系统。系统中包含常用金属材料实海腐蚀数据和腐蚀形貌图谱的图文数据库．除常用的数据库管理功能外，还具有一定的腐蚀预测和腐蚀形貌诊断功能。腐蚀预测可分为人工神经网络模型预测和灰色模型预测。人工神经网络模型根据材料的合金成分或海水环境因素对材料的腐蚀进行预测，而灰色模型用于对材料的长期腐蚀数据进行计算并给出灰色模型参数。由扫描得到的金属材料的腐蚀形貌图像的灰度值分布或分形特征值和对应的腐蚀形貌作为知识库，通过模糊模式识别理论建立了腐蚀形貌分析诊断系统。可以对材料的腐蚀形貌进行诊断。     

Fe颗粒增强Al/PTFE反应材料的力学性能、冲击反应特性及能量释放效应（英文）

铝/聚四氟乙烯(Al/PTFE)复合材料是一种非常有前景的反应结构材料。为了提高材料的力学性能和反应性，将Fe颗粒加入Al/PTFE反应材料中。对Al/PTFE/Fe反应材料进行准静态和动态压缩试验，观察到明显的应变和应变率硬化现象，且当Fe含量为30%(质量分数)时，在5000 s^-1的应变率下，抗压强度达191.8 MPa，较Al/PTFE提升了39%。定向的PTFE纳米纤维丝能有效地阻碍裂纹的扩展。通过高速摄影对霍普金森杆和落锤冲击下的能量释放进程进行观察，且通过新设计的装置对反应活性进行定量表征。结合TG-DSC和XRD，明确了Al/PTFE和Al/Fe之间的反应。通过霍普金森杆的实验数据建立Johnson-Cook本构模型，模型结果与实验数据吻合较好。在冲击状况下，材料的反应性是多重行为的结果。     

基于响应面法（RSM）的锻造预成形多目标优化设计

以航空发动机涡轮盘锻件为研究对象,应用响应面法(Response surfce Methodology,RSM)和有限元数值模拟(FEM)对锻造过程预成形设计的多目标优化问题进行了研究.首先以模具充填完整和提高锻件内变形均匀性为目标,建立了有限元数值模拟与响应面法相结合的二阶分析模型,并对优化结果进行了讨论.其次,在原优化设计的基础上以降低锻造过程的成形载荷为目标进行了预成形再设计.结果表明,应用响应面法可灵活有效的对难变形材料锻造预成形坯料形状进行多目标优化设计.     

集成计算材料工程在固体润滑领域的应用

摩擦是涉及数学、物理和材料学等学科的一门复杂的交叉学科。集成计算材料工程是将计算材料科学工具集成为一个整体系统并把设计和制造统一起来，可充分发挥其综合解决问题的优势，加速先进固体润滑材料的开发和优化工程设计的过程。本文从新材料研发的理论驱动范式出发，介绍了Prandtl-Tomlinson和Frenkel-Kontorova经典摩擦模型。应用这些模型，总结了本团队在原子尺度模拟计算中二维润滑材料的磨损及润滑机制方面的研究进展。从数据驱动的机器学习角度，通过分析润滑和耐磨损2种性能案例，综合人工智能在材料摩擦性能方面的研究逻辑和特点。基于新材料研发范式的逻辑，讨论集成计算材料工程在固体润滑领域的应用，突出集成多尺度计算模式对揭示结构超滑的机制具有重要意义。     

定量药理学:一个促进药物开发及转换型研究严谨思考的多学科领域

尽管从事定量药理学研究的科学工作者一再强调将定量分析的原则应用于促进新药研发的决策, 定量药理学的发展还是超过了上述领域。普通研究和决策领域总是期望着常规和传统的研究范例发生进步, 当与定量药理学相关的领域自身在发展并与其交互作用时, 自然便产生对临床药理学的协同作用。创新性和可塑性训练计划和策略均是将来临床研究工作中必不可少的要素。掌握定量药理学领域的知识成为对药理科学家的要求, 具有定量药理学背景的人员可望获得更高的薪水。目前定量药理学相关培训计划, 教学资料, 及学术权威均比较贫乏, 学生们可以从企业化、调控性的背景的教师等多种机构的教职员那获得指导, 此外也可以通过在线课程, 可视化教学进修课程, 与他们的导师保持联系。对课程和学位的管理可以采取灵活的态度, 这样可在短期内培养更多的定量药理学工作者。     

基于迁移学习的切削力神经网络预测模型优化策略

在实际生产中,生产条件的变更情况时常发生,重新训练一个神经网络预测模型的成本较为高昂.本文针对切削力预测的任务,结合迁移学习领域的理论和方法,研究了一种神经网络的训练方法.在训练神经网络模型时,使用一组相关但不完全相同的切削数据预训练一个网络模型;使用目标数据对该网络进行重训练,并在网络的优化目标中加入两组数据集的MM...     

金属前驱体区域选择性原子层沉积机制

基于区域选择性原子层沉积(AS-ALD)技术的自下而上制造工艺近年来在半导体、催化剂等领域得到了迅速发展.AS-ALD本质上是在同种材料的不同位点或异种材料表面实现目标产物在生长区域的选择性沉积,并且抑制在非生长区域的沉积.目前,实验上已经发展了多种表面抑制、活化技术,或者利用材料表面不同位点的固有差异实现金属前驱体的...     

俄罗斯科学院西伯利亚分院强度物理及材料研究所

俄罗斯科学院西伯利亚分院强度物理及材料研究所位于俄罗斯西伯利亚地区的托木斯克市，其组织机构包括三部分： ——俄罗斯科学院西伯利亚分院强度物理及材料研究所本部 ——国家工程技术中心 ——实验工厂。 所长——巴宁B. E.，俄罗斯科学院正式院士(1987年)，生于1930年11月10日：1952年毕业于托木斯克国立大学；科学活动的主要领域：介质与结构力学、强度及塑性物理、材料设计；获4级“祖国功勋”奖(1998年)。 该研究所是俄罗斯材料学研究中心的一个主要研究机构，研究方向是为动力工程、石油天然气综合体、机器制造和运输部门研制具有…     

自蔓延高温合成多孔NiTi合金孔隙的SVR预测

根据自蔓延高温合成法(SHS)制备多孔NiTi合金孔隙试验所获得的实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立不同反应参数(温度,粒度和压坯密度)下合成的多孔NiTi合金孔隙的SVR预测模型,并与基于误差反向传播神经网络(BPNN)回归模型的预测结果进行比较。结果表明：在相同的训练与测试样本集下所获的SVR预测结果的平均绝对百分误差(MAPE)比BPNN预测模型的要小,其预测精度更高,预测效果更好;SVR-LOOCV预测的MAPE也比BPNN略小,且其预测结果的相关系数达到了0.999。因此,该方法是一种预测SHS法制备多孔NiTi合金孔隙的有效方法,可为SHS合成多孔NiTi提供理论指导     

基于遗传算法的间接自校正模糊神经网络控制

针对一般神经网络训练算法训练速度慢和易陷入局部极小点的不足,文章提出了一种基于模糊神经网络的间接自校正控制系统,控制器是以高斯函数为隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化.神经网络模型(NNP)利用弹性BP算法进行离线辨识.仿真与传统的模糊PID控制器控制进行比较,结果表明遗传算法大大改善了系统的性能.