BP神经网络预测全国私人汽车拥有量

利用前向多层神经网络的反向传播算法，即BP算法。采用MATLAB软件建立用于预测的BP神经网络(4-5-2)，将已知私人汽车拥有量对BP神经网络进行训练，建立私人汽车拥有量时间序列的预测模型，此BP神经网络可以成功对私人汽车拥有量进行预测计算。     

矿产资源型城市脆弱性综合测度与评价

针对目前资源型城市脆弱性研究角度和研究对象单一导致研究成果缺乏对比性的问题,以淮南、铜陵和马鞍山市为例,从"资源-生态环境-经济-社会"角度,构建矿产资源型城市综合脆弱性评价指标体系,采用熵值法和综合指数评价法对其各子系统和综合脆弱性动态演变特征进行研究.结果表明:(1)2007-2017年淮南市、铜陵市和马鞍山市综合...     

厢式压滤机滤板受力数值模拟及滤室边长优化设计

采用Ansys软件对厢式压滤机滤板受力和挠度形变进行数值模拟,着重分析凸台支柱数量的影响。基于变分法滤板挠度计算找出滤室边长尺寸与滤板设计厚度的关系,建立厢式压滤机滤板总体积、滤板组总长度与滤室边长的函数关系,以此对滤板结构进行优化设计。经优化后的滤板与1250型滤板相比,污泥脱水的工作效率得到明显提高——在整机滤室容积不变的情况下,虽滤板耗材增加了7.51%,但过滤面积增加了近50%,继而在泥饼达到同等含水率时压滤时间缩短了36.9%。     

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。     

针对不同楔角和楔块材料的NXJ型耐张线夹和导线应力分布情况

楔型耐张线夹在电力系统中被广泛应用,但在实际运行中经常出现导线脱落的问题,其问题根源为楔型线夹握力不足。对NXJ型耐张线夹的结构特点与安装方式进行简单介绍,并进行有限元仿真,通过改变NXJ型耐张线夹的楔角和楔块材料来改变线夹在运行期间的力学强度,得出线夹本体和导线的应力分布云图,对比得出不同条件下线夹对导线的握力情况,为NXJ型耐张线夹的优化提出参考。     

基于Hadoop的大数据查询系统简述

近年来,随着计算机技术的迅猛发展,其领域迎来了大数据时代。随着大数据的出现,传统的关系型数据库已经不能满足高储存量的要求,此时成本低廉、有着良好并行性和伸缩性的云数据库应运而生,它采用键值对数据模型和分布式的计算环境。但是海量数据在Key-value数据库中的查询效率低下、实时性差等问题又普遍存在。为了解决查询效率低下这一问题,将多维数据模型和索引技术应用于Key-value数据库,将事实数据以多维的形式进行存储并在多维模型上建立索引以加快查询速度。论文将系统地描述多维数据模型的建立和索引技术的实现,最后简单地和主流Key-value数据库进行优缺点对比。     

汽车液力减振器阻力特性的研究评述

介绍了目前被动式液力减振器阻力特性的数学模型和新的研究方法,对影响阻力特性的因素方面的研究情况,并分析了存在的问题。     

基于曙光5000并行机的远程并行调试器

并行调试对并行程序开发非常重要,然而传统的远程并行调试方式是采用登录(telnet)命令通过命令行的文本界面进行,非常繁杂。本文介绍了为曙光3000系统设计实现的远程并行调试器RPB(Remote Parallel Debugger)。RPB实现了完全并行调试等功能,并且具备图形用户界面,用户界面采用Java语言和Swing工具包实现,具备平台独立的特点。RPB采用客户端/服务器模式,客户端和服务器之间的通信采用当今流行的CORBA中间件技术。RPB支持通过局域网或广域网远程调试并行机上的程序,屏蔽了客户平台的差异和并行机地理位置上的差异,因而大大提高了并行机的好用性。     

结合改进VGGNet和Focal Loss的人脸表情识别

针对目前表情识别准确率偏低,表情数据集中类别样本类间差异小、类内差异大以及误标注样本产生的误分类等问题,提出了一种结合改进VGGNet和Focal Loss的人脸表情识别算法。在迁移学习的基础上,通过设计新的输出模块对VGGNet模型进行改进,提升了模型的特征提取能力,能够较好地避免过拟合现象;通过设置概率阈值对Focal Loss进行改进,避免误标注样本对模型分类性能产生影响。实验结果表明,该模型在CK+、JAFFE以及FER2013数据集上的识别准确率分别达到了99.68%、97.61%和72.49%,在实际应用中泛化能力突出。     

基于变分模态分解和互相关分析的旋转机械信号降噪研究

辛几何模态分解（SGMD）方法利用周期相似性进行信号分量重组,且需要人为设置终止条件,这导致分解结果具有不确定性。针对这一不足,提出一种聚类辛几何模态分解（CSGMD）方法。首先将时间序列的信号转化成轨迹矩阵;其次,对轨迹矩阵进行矩阵变换,获得由多组初始单分量重构矩阵组成的重构矩阵;然后利用对角平均化方法将每一个重构矩阵转化成相应的一维时间序列初始分量;最后使用K-means聚类算法对初始分量进行重组,得到最终的辛几何分量。相比SGMD和变分模态分解（VMD）方法,该方法提取的有效分量失真程度和频率混淆程度更低,干扰分量更少,故障冲击特性提升更为明显。该方法能够有效提取出转子故障特征,提高转子故障诊断的准确性。