地铁闸机扇门机构故障时间序列预测研究

基于CNN+LSTM混合神经网络构建故障时间序列预测模型,利用某型号地铁闸机扇门机构的故障数据进行实例分析,并与ARIMA、CNN和LSTM 3种单一预测模型对比。结果表明:CNN+LSTM混合神经网络模型的预测准确性较高,具有良好应用前景,研究成果可用于支持地铁闸机维修计划的制定和优化。

模块化枪族智能化辅助设计策略与方法

枪族的模块化、智能化设计是当今国内外枪械设计的热点。根据枪族设计特点建立基于知识的计算机辅助设计流程,提出一种基于模块化的枪族智能辅助设计策略与方法。针对枪族设计领域不同类型的知识,采用统一的面向对象知识表示,在枪族定义阶段和模块设计阶段求解中分别运用基于知识模板、机器学习和混合推理的策略。具体地,采用模块划分知识模板引导枪族模块化设计,利用基于随机森林的回归算法完成枪族系列主参数的估算;采用基于注意力机制的双向编码器模型的枪械知识问答系统和基于实例推理、设计规则与计算交叉推理的混合推理模式辅助设计者完成枪械各模块详细设计。完成了软件原型系统的构建,进行了5.8 mm/7.62 mm口径模块化枪族的设计,结果证明了该方法的有效性。

智能控制运用于机电一体化的研究

如今,智能控制已被大量应用于工业生产领域之中。所以,把智能控制有关技术应用至机电一体化领域,具有一定的可行性与实际价值。智能控制的优势在于能够通过科学的方式来避免传统意义上机电一体化体系之中的缺点,以求促进我国机械自动化行业的发展。文章在对智能控制进行阐述的基础上,分析了智能控制应用于机电一体化的具体方法。

基于改进逼近理想解的排序技术方法自发电缓冲背架性能优化

针对自发电缓冲背架结构特点和应用场景,在给定的步态条件下,以背架刚度和阻尼比为优化变量,以背架发电功率和人体所受冲击载荷为优化目标,提出了基于加权广义马氏距离逼近理想解的排序技术(Technique for order preference by similarity to ideal solution,TOPSIS)的性能优化方法。采用带有精英策略的非支配排序遗传算法(Non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ),获得了背架发电功率和人体所冲击载荷的Pareto最优解及决策矩阵;利用熵权法计算出各指标的权重;使用改进后的基于加权广义(Weighted Moore-Penrose,WMP)马氏距离的TOPSIS法对Pareto最优解排序,并对3种不同优化算法进行了比较。分析了不同步态条件对冲击载荷和发电功率的影响规律。结果表明:基于改进TOPSIS法的决策结果更加符合实际需求,背架整体综合性能得到改善,对不同步态条件具有良好的适应性。