基于聚类分析的微博广告发布者识别

微博空间存在大量的广告内容,这些信息严重影响着普通用户的用户体验和相关的研究工作。现有研究多使用支持向量机（SVM）或随机森林等分类算法对广告微博进行处理,然而分类方法中人工标注大数据量训练集存在困难,因此提出基于聚类分析的微博广告发布者识别方法：对于用户维度,针对微博广告发布者通过发布大量普通微博来稀释其广告内容的现象,提出核心微博的概念,通过提取核心微博主题及其对应的微博序列,计算用户特征和对应微博的文本特征,并使用聚类算法对特征进行聚类,从而识别微博广告发布者。实验结果显示,所提方法准确率为92%,召回率为97%,F值为95%,证明所提方法在广告内容被人为稀释的情况下能准确地识别微博广告发布者,可以为微博垃圾信息识别、清理等工作提供理论支持和实用方法。     

可控压力补偿器提高比例流量阀的流量特性研究

现有调速阀多采用连接压力补偿器的方法来控制输出流量,但普通压力补偿器由于受液动力的影响,补偿压差难以维持定值,导致调速阀流量控制特性较差,且流量阀本身由于非线性因素的影响也会导致其流量输出精度偏低。提出一种调速阀的电控非线性补偿方案,并以Valvistor阀作为研究对象,利用电机驱动滚珠丝杠的方法来对压力补偿器施加附加力,不仅可以实时补偿压力补偿器的液动力,而且还可以补偿流量阀的非线性因素,使得流量控制精度提高。分析电控补偿调速阀的工作原理,根据真实参数在SimulationX中建立调速阀的多学科仿真模型,分别对压力补偿器和Valvistor阀的补偿特性进行分析。结果表明：补偿后压力补偿器与流量阀的流量输出误差均在4 L/min以内,误差都不超过2%,表明该调速阀具有良好的流量控制特性。     

串联阀芯阀口独立控制多路阀设计及特性研究

现有多路阀存在大流量低压损控制难、动态特性差等问题,且阀芯机械固联,压损大、自由度低,难以满足高端主机对操纵性、节能性、智能化、负载适应性的需求。为此,基于插装阀大流量控制特性好和滑阀微动性能好的优点,创新提出换向滑阀的进出口串接两个流量放大型比例插装阀的新构型,研制串联阀芯阀口独立控制多路阀。两个插装阀可以根据控制需求设计为流量控制或压力控制功能,系统自由度高,具有很高的智能化潜力。为了实现流量和压力的高精度冗余控制,设计串联式双级位移闭环+并联式流量/压力闭环控制策略,通过仿真研究位置、流量、压力三种工作模式下阀的特性。并试制样阀,搭建试验台对压损特性、位移滞环、流量控制特性、动态响应特性和稳态负载特性进行了测试。结果表明,样阀额定流量达到300 L/min,主阀位移滞环小于1%;主阀阶跃响应小于35 ms,具有较高的动态特性;流量最大偏差小于5%,流量控制精度高。     

深度强化学习研究综述

作为一种崭新的机器学习方法,深度强化学习将深度学习和强化学习技术结合起来,使智能体能够从高维空间感知信息,并根据得到的信息训练模型、做出决策。由于深度强化学习算法具有通用性和有效性,人们对其进行了广泛的研究,并将其运用到了日常生活的各个领域。首先,对深度强化学习研究进行概述,介绍了深度强化学习的基础理论;然后,分别介绍了基于值函数和基于策略的深度强化学习算法,讨论了其应用前景;最后,对相关研究工作做了总结和展望。     

燃料空气炸药爆轰产物JWL状态方程参数计算

炸药爆轰产物的Jones-Wilkins-Lee(JWL)状态方程参数一般由圆筒试验确定,但圆筒试验并不适用于宏观上呈云雾状态的燃料空气炸药(FAE)。为确定FAE爆轰产物的JWL状态方程参数,基于外场FAE爆轰试验数据,引入反向传播神经网络联合遗传算法(BPNN-GA),建立适用于FAE的状态方程参数计算方法,并与单爆源和多爆源的外场试验结果对比。研究结果表明：引入BPNN-GA可以简化状态方程参数优化过程,提高了寻优速度和精度;基于FAE爆轰产物JWL状态方程参数,建立单爆源与多爆源的FAE云雾爆轰模型,数值仿真所得的冲击波轮廓与实际爆轰冲击波形貌一致,单爆源与多爆源50 m测点处地面峰值超压仿真值与试验值的最大偏差分别为9.0%和11.1%.     

核主泵备用机械密封材料的摩擦性能研究

采用Falex-1506摩擦磨损试验机,研究了水润滑、室温条件下,载荷和速度对核主泵用机械密封材料:无压烧结碳化硅(WNV2)和碳化硅加碳(CHV1)、反应烧结碳化硅(R)和碳化硅加碳(R2)、石墨(MSMG)在不同配副条件下摩擦学特性的影响规律。使用扫描电镜(SEM),对磨损表面进行了观察和分析。研究结果表明,碳化硅和石墨材料自身的孔隙,在高载荷下容纳了更多的润滑流体,因此,不同配副条件下的摩擦系数均随载荷的增加而减小。另外,滑动速度引起的温度改变通过影响表面层性质影响摩擦力,而碳化硅和石墨在很宽的温度范围内机械性质保持不变,所以摩擦系数随速度的增加基本不变。     

重寄生蜂对烟株不同部位僵蚜的寄生特点研究

烟蚜茧蜂是蚜虫的主要天敌,但其控制作用又受到重寄生蜂的影响。我们在烟株封顶后将其分为上、中、下3个部位,对不同部位重寄生率进行分析,为弄清重寄生蜂的活动及寄生规律做了初步研究。结果表明:在前期,烟株下部的重寄生率明显高于中部和上部;在中后期,大田重寄生率高达40%,且此时烟株上部和中部的重寄生率均显著高于下部。在云南大理烟区有2种重寄生蜂,蚜虫宽缘金小蜂[Pachyneuron aphidis (Bouche)]和长背瘿蜂（Phaenoglyphis sp.）,以蚜虫宽缘金小蜂为优势种,长背瘿蜂在云南尚未见报道;大田重寄生率在8月初达到高峰。      

基于PLC的工业取料机械手系统研制

采用三菱PLC可编程控制器为控制系统,利用蜂鸣器、工控警示灯作为报警系统,可靠、节能、易维护的气动技术完成规定的执行动作,PLC控制电磁铁正反向通电进行抓取材料和放置材料动作,以完成整个控制工作。     

基于广义回归神经网络的燃煤锅炉NOx排放预测

基于某电厂330 MW燃煤锅炉DCS历史数据,利用MATLAB软件分别采用BP神经网络、遗传算法优化神经网络(GABP)、广义回归神经网络(GRNN)对该锅炉NO_x排放量进行预测,并进行二次风及分离燃尽风喷口挡板开度优化。通过对比3种神经网络预测结果的相对误差、均方根误差(RMSE)和平均绝对百分误差(MAPE),结果表明GRNN神经网络误差最小,RMSE和MAPE分别为4.81 mg/m~3、0.91%,预测精度较高;利用GRNN神经网络优化后,NO_x排放由243 mg/m~3降至210.8 mg/m~3,可以达到降低NO_x排放的目的,为燃煤电站运行提供参考。     

结合滤波和深度玻尔兹曼机重构的指纹增强

指纹图像增强,是自动指纹识别系统中的重要环节.为弥补传统指纹图像增强算法的缺陷,提出一种指纹图像增强算法.在指纹块质量分级机制和复合窗口策略下,指纹图像首先在频域被具有方向选择性的方向高斯带通滤波器滤波增强;随后,二值增强指纹中的误增强区域在空域被具有方向选择性的深度玻尔兹曼机（DBM）重构.提出的方法结合了传统指纹增强算法与深度学习算法的优点,拥有很强的容错能力,能够完成对低质量指纹图像的有效增强.为了验证提出算法的性能,在公开的指纹数据库FVC2004上进行了大量实验,实验结果表明,相比于传统的指纹增强算法,提出的方法具有很强的鲁棒性,对高质量和低质量指纹均有不俗的增强表现.