基于反应扩散方程的水平集结构拓扑优化方法与实现

为实现更加先进的拓扑优化算法,研究采用反应扩散方程的水平集结构拓扑优化方法,通过理论推导给出算法中的参数选择建议.该方法允许在拓扑优化过程中生成新的孔洞,初始结构无须包含孔洞,不需要重新初始化步骤,从而可提高算法的收敛性.针对传统拓扑优化中主要采用体积约束、以柔度最小为目标和体积保留率设定存在一定主观性的问题,探究不同体积保留率下的结构应力水平的变化规律,结果显示可以依据结构最大应力水平与体积保留率的变化规律确定最优体积保留率.     

相对边缘方向幅值模式耦合SIFT的人脸识别算法

人脸识别易受到光照变化、遮挡等影响,降低了识别准确率,为此提出一种基于相对边缘方向幅值模式(relative patterns of oriented edge magnitudes,RPOEM)与尺度不变特征变换(scale-invariant feature transform,SIFT)的人脸识别算法.检测脸部的关键点,利用k-均值对这些特征点进行聚类;为消除光照变化的干扰,计算图像的相对梯度幅值,对其进行离散化分解与Gaussian滤波处理;采用局部二值模式编码生成RPOEM特征;引入加权因子,对RPOEM与SIFT特征进行加权组合;通过定义非一致度量来完成对人脸识别的共形预测.实验结果表明,与已有的人脸识别技术对比,所提算法具有更高的识别准确率,对多种复杂背景具有更强的鲁棒性.     

基于门控图卷积神经网络的有机化学反应预测

随着现代医药技术和计算机技术的发展,采用人工智能技术来加速药物的研发进度成为了研究热点,而对有机化学反应产物的高效预测是药物逆合成路线设计中的关键问题。针对样本数据集中化学反应类型分布不均匀的问题,提出了一种主动采样训练下的门控图卷积神经网络（ASGGCN）模型。首先,输入化学反应物的简化分子线性输入规范（SMILES）编码,通过门控图卷积神经网络（GGCN）以及注意力机制预测反应中心所在位置;然后,根据化学约束条件和候选反应中心枚举出可能的化学键组合来生成候选产物,再通过门控图卷积差分网络对候选产物进行筛选;最终,得到反应产物。门控图卷积神经网络拥有三个权重参数矩阵并通过门控对信息加以融合,与传统的图卷积神经网络相比,它能获取更加丰富的原子隐藏特征信息。通过主动采样的方式进行训练,使得该模型能够兼顾较差样本和普通样本的分析能力。实验结果表明,所提模型对化学反应产物的Top-1预测准确率可达87.2%,对比Weisfeiler-Lehman差分网络（WLDN）模型提高了1.6个百分点,可见模型能够更准确地预测有机化学反应产物。     

基于改进A*算法室内移动机器人路径规划

A*算法常用于二维地图的路径规划,但是在利用其进行室内移动机器人路径规划时,存在过多的冗余点和拐点,造成了内存消耗过大和路径不平滑。针对上述问题,提出了一种改进的A*算法。结合跳跃点搜索理论,利用先验信息,用选取的关键点代替了传统A*算法中Openlist和Closelist的点,减小了计算量,提高了运算速度。运用反向搜索策略,对路径进行二次规划,删除不必要的转折点,降低了路径长度。将路径在转折点处进行动态圆平滑处理,提高了路径的平滑性。为了验证改进A*算法的性能,将其应用于不同尺寸仿真栅格环境地图和处于真实室内环境的机器人中,实验结果表明,在相同环境下,改进算法相较于传统的A*算法,在运行时间、路径长度和平滑程度上均有明显的提高。     

多智能体博弈强化学习研究综述

使用深度强化学习解决单智能体任务已经取得了突破性的进展。由于多智能体系统的复杂性,普通算法无法解决其主要难点。同时,由于智能体数量增加,将最大化单个智能体的累积回报的期望值作为学习目标往往无法收敛,某些特殊的收敛点也不满足策略的合理性。对于不存在最优解的实际问题,强化学习算法更是束手无策,将博弈理论引入强化学习可以很好地解决智能体的相互关系,可以解释收敛点对应策略的合理性,更重要的是可以用均衡解来替代最优解以求得相对有效的策略。因此,从博弈论的角度梳理近年来出现的强化学习算法,总结当前博弈强化学习算法的重难点,并给出可能解决上述重难点的几个突破方向。     

烟叶原料智能仓储综合管理平台的构建

通过构建烟叶原料智能仓储综合管理平台,同时对平台的各个模块进行研究,形成包芯监控、垛内监控、仓间监控和预警等模块,实现烟叶原料智能仓储功能,提高烟叶仓储的精益管理水平,实现了烟叶养护过程数据由传统的手工记录转为系统自动采集,使片烟养护过程的数据具有信息化、可追溯化及可视化功能,实现了对垛内醇化片烟包芯温度进行全生命周期的无线监测,降低烟叶碳化的风险。同时该系统还具有对出入库的片烟RFID信息自动扫码的功能,降低了人工成本。该系统可以对烟叶仓储过程的各个技术参数进行实时监测,实现烟叶养护的设备联动,提高烟叶管理水平,保障烟叶质量。     

基于智能算法的汽车气动外形参数多目标优化

为了对汽车外形进行优化设计,利用CFD软件与智能算法相结合的方法,以在天窗微开高速行驶状态下的汽车为优化的对象,选取气动阻力最小、气动升力为0、天窗后缘压强最小为`优化目标,以汽车关键外形参数为设计变量,对汽车气动外形进行多目标优化设计.同时,应用了数据挖掘技术评价设计变量与3个目标函数的影响关系,选取优化后的最佳关键参数制作汽车模型并进行风洞试验验证.研究结果表明:通过遗传算法优化的车身外形,在其他设计目标满足要求的条件下成功地将阻力系数降低了9.5%,并通过风洞试验验证了该智能算法结果的准确性.基于智能算法的汽车气动外形设计具有指导意义与实际应用价值,为汽车气动外形的多目标优化设计提供了一种高效、精确、可靠的先进优化方法.     

有高温相变的电工钢热轧起浪的有限元分析

针对电工钢自由规程轧制过程起浪问题,开展电工钢不同冷却条件下的连续冷却相变转变温度分析测定和Gleeble热模拟实验,发现电工钢在975~875℃的奥氏体-铁素体两相区,随着轧制温度降低,变形抗力反而减小;电工钢大量同宽自由规程轧制下的工作辊出现严重的不均匀的箱型磨损和明显的热胀,综合辊形变化显著.考虑电工钢两相区变形抗力差异和综合辊形变化,建立电工钢热轧过程轧辊轧件的三维弹塑性耦合有限元模型,仿真分析轧制力、弯辊与窜辊对承载辊缝形状的影响,研究摩擦系数、压下量与轧制速度对带钢宽度方向内应力变化规律的影响,采用Shohet板形判据确定电工钢比例凸度残差变化路径,明确电工钢在"平坦死区"较大的上游机架出现"异常起浪"的生成过程.该方法为电工钢热轧板形的浪形控制提供了依据.     

粗糙目标光外差信号特性对探测阈值的影响

传统目标回波光外差探测使用高斯分布等简单模型来描述,这常常导致判决误差.笔者提出利用多项式对实际目标测量数据进行拟合,给出较准确的概率分布曲线.通过对某装甲车表面样块多组测量数据的统计分析显示,利用多项式拟合来确定判决阈值,比起用简单的高斯分布来确定阈值,可以获得更高的检测概率和更低的误警概率.研究表明,对实测中频信号的统计直方图进行多项式拟合,有利于精确设置探测阈值,可以使检测概率提高6.02%,误警概率降低7.7%.文中结果为粗糙面回波外差探测系统设计提供定量参考,也为探测系统性能评估仿真提供依据.     

基于Kanai-Tajimi模型的地震作用荷载新型识别方法

目的研究一种识别地震作用荷载的方法,为地震作用荷载的识别与相应结构的动力特性、损伤的识别提供一种新的途径,进一步为结构的安全性、损伤进程和耐久性等研究提供理论参考.方法利用Kanai-Tajimi模型将单位强度白噪声过程模拟为未知的地震作用,并将其作用在结构上,然后根据数值模拟计算得到的结构体系响应作为观测量,采用Kalman滤波对未知荷载状态加以识别.结果最终可以利用结构的加速度响应反演得出地震作用的等效荷载,在人工添加5%观测噪声的条件下,最大误差率为7%左右,而在人工添加10%观测噪声的条件下,最大误差率为8%左右.结论通过算例的验证,说明笔者所采用的方法精度较高,获得了较好的识别效果.