公路货运危险驾驶行为智能预测技术研究

基于某省载货汽车历史行驶数据,提出了一种基于卷积神经网络-长短期记忆(CNN-LSTM)网络与自注意力机制的危险驾驶行为预测方法。针对载货汽车行驶数据量大、维度高、特征提取难度大、时序性强的特点,首先运用XG⁃Boost对特征进行筛选,接着利用卷积神经网络(CNN)进行空间特征提取,再运用长短期记忆(LSTM)网络捕捉驾驶行为的时序信息,最后通过自注意力机制对危险驾驶行为进行预测。试验结果表明,该方法相对其他长时间序列预测方法在某省公路货运驾驶数据上表现优异,识别准确率达到85.05%,加权平均召回率达到83%,F1分数(F1-Score)达到84%。

云边协同下时空特征融合的轴承剩余寿命预测

为了解决滚动轴承剩余使用寿命(remaining useful life, RUL)预测中的特征依赖关系、表征退化趋势和实时性问题,提出了一种云边协同下时空特征融合的轴承剩余寿命预测方法。首先,在离线阶段依据专家先验知识对轴承历史退化数据进行去噪处理;其次,对去噪信号进行时域与频域退化特征的提取,并对提取的退化特征进行分析与筛选;最后,采用皮尔逊相关系数对选取的退化特征进行相似相关性分析,并根据相似相关参数构建特征空间图作为图卷积网络(graph convolutional network, GCN)-Transformer模型输入以进行训练,并在云边协同实时预测阶段测试以减轻云端负担。在XJTU-SY数据集上的实验中,所提方法与其他文献预测方法相比在MAE与RMSE指标上分别降低了10.5%与11.3%,在平均响应时间(实时性指标)上降低到采用云计算策略的0.363。实验结果验证了所提方法的有效性。

改进粒子群算法在柔性车间调度问题的研究

为了减少柔性作业车间调度问题加工时间,通过前景理论构建柔性作业车间加工满意度数学模型,以降低加工时间为目标,设计了一种惯性权重幂函数调节的改进粒子群算法(PPSO),该算法惯性权重能够幂函数自适应调节,学习因子能够发生相应的递减或递增变化平衡算法的全局探索和局部开发能力。选取BRdata与Kacem经典算例,通过与人工免疫算法(AIA)和整合模拟退火算法(ISA)的进行仿真比较,PPSO加工时间较短;在工件数J=25、可用机器数M=16、迭代次数600情况下比较BRdata算例,PPSO加工时间相较AIA、ISA算法分别缩短了21.61%和4.32%,验证结果表明PPSO算法在柔性车间调度问题中降低产品加工时间的有效性。

融合法条的司法裁判文书摘要生成方法

针对司法裁判文书摘要生成过程中忽略案件审理逻辑脉络,导致许多重要信息丢失的问题,基于法官的案件审理逻辑脉络,提出融合法条的裁判文书生成方法。通过构建法条的外部知识编码器,将该编码器融合到Encoder-Decoder摘要框架中,利用知识编码表示后的法条在摘要过程中辅助保留裁判文书中的重要信息,提升司法摘要生成模型的性能。实验结果表明,该模型在F1指标上相比主流的指针生成网络摘要模型分别提升了1.37 ROUGE-1、4.91 ROUGE-02、3.91 ROUGE-L。

基于知识图谱的涉毒案件法条预测方法

为解决涉毒案件法条预测中忽视案情结构信息导致精确性不足、解释性不强等问题,提出基于知识图谱的核方法法条预测模型。将复杂的案情描述结构化成为知识图谱,去除文本噪音的同时引入案情的结构信息以辅助法条预测,通过核方法将复杂的多标签分类问题转化为较简单的单标签分类问题,降低预测难度且实现细粒度法条(具体到法条款项)的预测。实验结果表明,所提方法有效提升了涉毒案件法条预测的性能,增强了法条预测的可解释性。

云边协同下双数据源融合的轴承剩余寿命预测

针对当前滚动轴承剩余使用寿命(remaining useful life,RUL)预测准确率不高且未考虑到预测实时性的问题,提出一种云边协同计算模式下(cloud-edge collaborative computing,CECC)双数据源融合(data sources fusion,DSF)的滚动轴承剩余使用寿命实时预测方法。首先在离线阶段通过专家先验知识对训练集数据进行分析并进行网络预训练,然后通过边缘设备实时采集轴承水平与垂直两种数据源的振动信号并构建测试集,最后测试集数据实时上传到强大计算能力的云端进行融合预测。方法引入并行计算的Transformer模型在PHM2012数据集上进行试验,结果表明云边协同计算模式下轴承RUL预测的实时性得到显著提高,同时DSF预测方法与单一数据源预测方法相比MAE与RMSE两项指标分别降低了42.1%和40.9%。在XJTU-SY数据集上验证结果表明,DSF预测方法与其他文献中单一数据源预测方法相比MAE与RMSE分别降低了38.1%与38.8%;且云边协同预测方法相较于云计算预测,其时效性提升了80%左右,进一步证明了方法的可行性,并为其他领域寿命实时预测提供了解决方案。

基于网格与覆盖模型的RFID阅读器部署算法研究

为了解决有障碍物情况下多个RFID阅读器部署问题,提出一种基于网格与覆盖模型的RFID阅读器部署算法。该算法首先引入阅读器覆盖模型,然后通过网格划分算法计算各个小网格的具体位置和障碍物的具体位置,最后用RFID阅读器部署算法计算出阅读器的最佳部署位置。仿真实验分析了网格大小和c的取值对算法性能的影响。实验结果表明,该算法与随机部署方案相比,具有明显的覆盖率优势。该算法的研究对提高RFID阅读器部署效率具有重要的意义。

快速挖掘数据流中离群点

离群点检测是数据挖掘领域的一个重要分支,当前数据流的离群点检测研究越来越受到关注.为了快速准确地检测出数据流中离群点,提出一种在线数据流离群点检测算法ODDS(outlier detection in online data stream s).它利用数据与频繁模式的相异程度来度量数据的离群程度,通过构建ODDS-Tree树,能动态地更新数据流中候选离群点的离群信息.实验结果验证了该算法与其他同类算法相比具有较高的效率与优良的可扩展性能.

跨学科人才培养的课程体系优化——以东北财经大学为例

随着我国经济社会的发展,单一的语言文字教学已经不能满足外语人才培养方案的需求,跨学科培养成为复合型人才培养的重要方式。就商务日语专业跨学科课堂而言,在教学内容上,改革课程体系,拓宽研究方向。在教学方法上,促进以讲授式为代表的单向教学模式向以研讨式为代表的双向教学模式的转变。在培养方案上,在保证语言基础教育的同时,注重实践活动,大力推动跨学科课程的发展。

浮雕灰度图生成精度建模仿真研究

在图像检测过程中,由于采集图像带有噪声,灰度图生成算法会产生许多无效的计算和像素值不准确的问题。为解决上述问题,首先定义了特征杂点,提出了删除特征杂点的算法。然后根据点云的稠密分布不均情况,分别提出了稠密型点云的灰度图生成算法和非稠密型点云的灰度图生成算法。实验证明提出的处理算法能有效地消除点云数据的噪声干扰和提出的灰度图生成算法避免了无效的计算和像素值不准确,提高了灰度图生成精度和效率。研究成果对提升浮雕生产质量具有重要的意义。

断路器控制系统中的电流信号异常点检测

针对于断路器控制系统中电流信号的分辨准确率不高和断路器执行机构的误操作等问题,提出一种基于滑动时间窗口和斜率的新的检测方法。利用滑动时间窗口将信号流静态化,利用数据流中距离的检测方法的原理对信号进行准确的分类,对可能最具危害性的信号用斜率的方法进行最终判断,分辨出其是否为异常信号,这样可以更有效的达到断路器控制系统的保护的目的。实验结果表明,该检测方法有效的减少了断路器控制系统中的断路器合闸的误操作次数,提高了断路器机械构件的使用寿命。

日本女性就业状况的变化及其原因分析

随着日本女性的社会地位不断提高,"男主外,女主内"的传统思想正在改变,很多女性进入社会就职。男女雇佣机会均等时代的到来、促进妇女就业的法规措施的强化、雇佣形态的多样化发展、子女教育费的压力、女性生活意识的变化等因素推动了日本女性就业的发展。但是,日本女性就业的同时也产生了诸多的社会影响。

铣削表面粗糙度在线智能预测方法研究

为了提高表面粗糙度在线预测模型的精度,研究并提出了一种融合传感器统计学数据的表面粗糙度在线智能预测方法。该方法对加速度的统计学特征进行PCA主成分提取,保留了85%的数据信息。通过改进的PO-GRNN广义神经网络对训练集数据进行分配,确定光滑因子σ的近似最优值。随后结合铣削加工参数集与PCA主成分,通过PO-GRNN构建了一套在线粗糙度预测模型。纵向与横向对比实验结果表明:该模型可提供较高的粗糙度在线预测精度,能适用于当前智能制造过程中粗糙度的在线预测。

数据流中结构二叉树挖掘算法研究

针对传统数据流挖掘算法不能挖掘出频繁项之间的关系而且挖掘时间和空间复杂度高、准确度不高的问题,提出了一种数据流中结构二叉树挖掘算法(AMST)。该算法利用了二叉树结构的优势,将所处理事务数据库中的数据流转换成结构化二叉树,然后利用数据流矩阵对结构二叉树进行挖掘。整个过程只对事务数据库进行一次扫描,大大提高了挖掘的效率;此外,算法还找出了具有层次关系的频繁子树。实验结果表明,AMST算法性能稳定,在时间复杂度和空间复杂度方面有很大的优越性,能够快速准确地对数据流进行挖掘。

日本产学官合作机制分析及启示——以早稻田大学产学官合作为例

产学官合作是日本创新立国战略的重要措施。日本各大学积极加入产学官合作的行列,其中早稻田大学在产学官研究推进中心的组织协调下取得了显著成绩。推进中心内设的技术转移机构(TLO)和创业孵化推进室构成了三螺旋创新机制中的"双核处理器"。中国产学研合作近年也如雨后春笋般蓬勃发展,收效甚佳,但不可回避的是仍存在亟待解决的问题。正所谓他山之石可以攻玉,对日本产学官合作机制进行分析可以为中国产学研合作提供参考。

融合云加端的制造产品在线质量预测研究

针对制造过程的在线质量预测的实时性问题,提出了一种融合云加端的在线质量预测架构。该架构在云加端提出一种基于遗传算法(GA)参数优化的隐含层节点自适应增长极端学习机(AGELM)方法,建立了优化的产品质量预测模型。同时,该架构在终端改进了k-means方法并将其应用于在线质量数据流聚类,并将聚类中心序列输入产品质量预测模型,预测产品的质量。通过点焊过程的实验表明该产品质量预测模型方法实时性较BP神经网络和贝叶斯方法有较大优势,能应用于当前制造过程的在线质量预测。

滑动窗口连续查询结果存储优化

在数据流滑动窗口查询研究领域中,考虑查询结果失效的连续查询成为了一个新的研究热点。查询结果的维护代价直接影响连续查询效率。根据对不同更新模式连续查询结果的分析,提出了一种带分支链表的梯队列来维护滑动窗口连续查询结果。它利用分支链表结构收集具有相同截止期的数据,采用梯队列的"产卵"机制,能适应具有各种不同分布的数据维护,且能达到O(1)的均摊(amortized)时间复杂度。实验表明,该结构显著提高了滑动窗口连续查询效率,明显优于同类结构。

基于网格划分的混合噪声滤波算法

提出了基于网格划分的混合噪声滤波算法.算法在网格划分基础上定义边缘网格,通过定位出噪声点的位置,在边缘网格和非边缘网格内同时对椒盐噪声和高斯噪声进行处理.实验结果表明,该算法与已有的混合噪声滤波算法对比,能够有效滤除混合噪声和保护图像边缘及细节信息,同时对单一噪声也有不错滤除效果.

农用增压柴油发动机排气歧管优化

为了提高某款农用增压柴油发动机的低速性能,对发动机的排气歧管进行优化。运用AVL BOOST软件建立发动机的数值仿真模型,并进行模型的标定。改变排气歧管布置方式,研究排气歧管布置方式对发动机低速性能的影响。在此基础上,为进一步提高发动机扭矩、降低油耗,在发动机最大扭矩工况下,对比排气歧管不同长度和直径时发动机的性能,确定排气歧管的最佳尺寸。结果表明,经过优化后的发动机低速工况动力性和经济性均有不同程度的改善。

基于RBF网络的断路器电流自适应保护研究

针对传统断路器电流保护方法存在受系统运行方式影响、整定困难、智能化低等问题,提出了基于RBF的断路器电流自适应保护算法,并给出了算法的模型;该算法融合了RBF神经网络的故障检测和电流自适应保护;首先通过RBF网络检测负载线路的电流故障,然后用电流自适应算法进行保护;在对神经网络进行训练时,利用PSO算法对RBF神经网络的参数进行优化以此来提高网络的泛化能力和学习能力;然后采用优化后的PSO-RBF神经网络对电流故障进行诊断;实验表明,该算法较大地提高了断路器智能化管理水平。