城市空间发展方向选择的层次分析方法

提出了城市空间发展方向选择层次分析法模型，并用案例论述了该模型方法的应用。     

桥式起重机箱型主梁的模糊优化设计

运用模糊优化理论，提出了桥式起重机箱型主梁的模糊优化设计方法，按照重量最轻的原则，建立了桥式起重机箱型主梁的模糊优化数学模型，给出了箱型主梁模糊优化的计算实例。     

唐巴公路南部嘉陵江大桥加固前后的空间分析

结合南部嘉陵江大桥加固前后的情况，运用大型组合结构空间分析程序LSB系统进行空间分析计算。计算了该桥在恒栽作用下的变形、内力及主跨控制截面的最大内力；汽车与人群荷载满布全桥时的最大挠度；正常使用极限状态下的最大内力。对130m主跨的横向联系进行了模拟计算，并对全桥结构的稳定性进行了线弹性和非线性分析。空间分析计算的结果为加固措施提供了一定的理论依据，并对加固方案进行了一定程度的检验。为南部嘉陵江大桥病害的治理取得了成功的经验。     

圆柱齿轮传动的可靠性优化设计

将现代机械设计方法中的可靠性设计理论与最优化设计技术相结合，提出了圆柱齿轮传动的可靠性优化设计方法，弥补了常规优化设计方法的不足，实例计算表现，用本方法设计圆柱齿轮传动可获得明显的技术经济效益。     

泡沫碳/碳纳米管复合电极材料制备及其电化学性能

在泡沫碳制备过程中,引入六水硝酸镍作为催化剂前驱体,在高温下通过过渡金属催化剂镍的催化作用制备泡沫碳/碳纳米管复合电极材料(CF/CNTs),对其结构和电化学性能进行分析表征。结果表明:CF/CNTs多孔孔壁上生成了大量碳纳米管;碳纳米管对泡沫碳孔的修饰作用提高了材料的比表面积;CF/CNTs在1 A/g电流密度下获得89.2 F/g的比电容,相比于单纯泡沫碳提升了60%。     

基于DDFORM-3D的高速车削有限元模拟

基于有限元分析软件DEFORM-3D建立高速切削的切削力预报模型，并对车削力和工件、刀具及切屑的温度分布进行模拟。该模拟结果对实际工作有现实的作用。     

基于自架构神经网络模型的磨削故障在线监测方法研究

提出利用神经网络非线性建模原理构建磨削故障在线监测模型,提取磨削过程声发射(AE)信号的FFT峰值、RMS峰值以及信号幅值偏差等特征值作为神经网络输入,磨削烧伤、颤振、砂轮钝化等磨削故障作为网络输出,神经网络的拓扑结构通过自架构方法建立.利用实验获得的典型数据训练和测试网络模型,结果表明,利用自架构方法获得的网络模型具有较高的磨削故障识别正确率,可用于磨削故障的在线监测.     

基于电阻膜的超宽带超材料吸波体设计

为满足宽带电磁隐身需求,提出了一种完全覆盖C～Ka波段、部分覆盖S和U波段的超材料吸波体. 吸波体由四层不同方块电阻的方形电阻膜及泡沫介质基板构成,多层电阻膜结构有效地向两侧拓宽了吸收带宽. 为了分析吸波体的电磁吸收机理,建立并分析了该吸波体的精确等效电路模型. 仿真结果表明,在3.16～51.6 GHz(相对带宽为176.9%)工作频带内,对TE和TM波均能实现88%以上的吸收率,并且对入射角度具有稳定性. 制作、加工并测试了超材料吸波体,实测结果与等效电路计算、全波仿真结果均具有较好的一致性,表明该吸波体在电磁隐身领域具有重要的应用价值.     

基于异质信息网络的推荐模型

为了解决推荐系统的冷启动和稀疏性问题, 本文提出了一种基于异质信息网络的推荐模型. 传统的推荐方法无法在知识图谱表示学习中融入隐含的路径信息, 这样使得知识推荐系统性能较为一般. 本文提出的模型在异质信息网络中设置元路径, 通过图神经网络融入到知识图谱表示学习中. 再利用注意力网络连接推荐任务和知识图谱表示任务, 其可以学习两个任务之中潜在的特征, 并且能够增强推荐系统中被推荐项和知识图谱中实体的相互作用. 最后在推荐任务中进行用户点击率预测. 模型在公开数据集Book-Crossing和通过DBLP数据集构建的图谱上进行了实验. 最后结果表明, 模型在AUC, 召回率和F1值3个指标上均比其他算法有更好的表现.     

基于评分偏好和项目属性的协同过滤算法

针对传统的协同过滤推荐由于数据稀疏性导致物品间相似性计算不准确、推荐准确度不高的问题,文中提出了一种基于用户评分偏好模型、融合时间因素和物品属性的协同过滤算法,通过改进物品相似度度量公式来提高推荐的准确度。首先考虑到不同用户的评分习惯存在差异这一客观现象,引入评分偏好模型,通过模型计算出用户对评分类别的偏好,以用户对评分类别的偏好来代替用户对物品的评分,重建用户-物品评分矩阵;其次基于时间效应,引入时间权重因子,将时间因素纳入评分相似度计算中;然后结合物品的属性,将物品属性相似度和评分相似度进行加权,完成物品最终相似度的计算;最后通过用户偏好公式来计算用户对候选物品的偏好,依据偏好对用户进行top-N推荐。在MovieLens-100K和MovieLens-Latest-Small数据集上进行了充分实验。结果表明,相比已有的经典的协同过滤算法,所提算法的准确率和召回率在MovieLens-100K数据集上提高了9%~27%,在MovieLens-Latest-Small数据集上提高了16%~28%。因此,改进的协同过滤算法能有效提高推荐的准确度,有效缓解数据稀疏性问题。