基于经验公式的铣削加工切削力建模研究现状与展望

铣削加工技术是加工航空航天中薄壁件及复杂曲面零件的关键技术之一,可以实现复杂曲面零件高精度、高质量及高效率成形。作为铣削加工的重要现象之一,切削力直接影响刀具的磨损、变形,以及工件的加工效率和质量,为了能够更好地利用切削技术,有必要对切削力的预测进行回顾分析研究。作为铣削力预测技术的关键手段,基于经验的铣削力模型被广泛应用。因此,本研究总结分析了当前关于基于经验的切削力预测技术,综述了切削力系数、未变形切屑厚度、刀具跳动和变形对切削力的影响规律,以期对切削加工质量提供有益参考,最后对该领域未来研究的方向进行了思考。

融合PCA和ESN的交通流周期预测模型

针对传统交通流多步预测精度低的问题,提出了一种交通流周期预测模型。该模型结合交通流的周期性特征重构时间序列,并引入主成分分析降维思想,利用回声状态网络模型进行交通流时间序列预测,同时采用自适应扰动粒子群算法优化模型中的重要参数。将该模型应用到实际交通流时间序列中进行有效性验证,其预测结果的平均绝对百分比误差为9.8%,比传统回声状态网络多步预测模型降低了12.7%。实验结果表明,该模型可有效地避免预测结果延迟问题并大幅提高多步预测的精度。

基于深度学习单阶段算法的䗴类化石检测

䗴化石是石炭纪、二叠纪重要的标准化石,其详细的鉴定工作对确定地质时代和划分石炭系‒二叠系具有重要意义.鉴于目前䗴类化石检测方法的局限性,提出一种基于深度学习单阶段算法的䗴类化石检测.以䗴类化石为研究对象,对原始模型进行分析,之后联合优化权重损失函数和BN层尺度因子的L1正则化等方式进行通道剪枝,再使用知识蒸馏使剪枝后模型恢复检测性能.实验结果表明,该方法可实现薄片图像中䗴类所在区域的定位和分类,平均精度均值达到98.1%,满足实时检测模型的要求,并且剪枝后参数量压缩了74.1%,解决了真实场景中存在的算力缺乏等问题.该方法能够有效保证䗴类化石的检测效果,同时扩展了该模型在嵌入式设备的适用范围,为深度学习在古生物化石图像的智能识别方面提供更多可能性.