针对多面体数据扰动的稳健支持向量回归算法研究

机器学习算法在工程领域的试验数据处理、预测和分析方面具有十分广泛的应用前景。然而,数据扰动问题对机器学习回归算法建模和数据预测精度构成了严重挑战,是机器学习算法研究和应用工作中常见的难题。本研究对目前使用最为广泛的六种机器学习算法原理及其优缺点进行了深入剖析,并对工程中常见的数据扰动形成原因及其对机器学习算法预测精度的影响进行了详细分析,提出了一种针对多面体数据扰动问题的稳健支持向量回归算法构想。

领先用户法在老年辅具产品的应用探析

以老年辅具产业现状背景结合领先用户法的创新意义,为老年辅具产品注入创新思考,并对领先用户法进行系统应用进行解析。通过分析领先用户法中领先用户的特征与信息,再结合系统方法流程对用户方案进行提纯并再设计,更容易研发出适合市场发展的产品,让用户的民间方案更易落地。证明领先用户法在老年辅具设计成功运用是具有创新价值,并为当下企业以及相关设计研究人员提供方法系统指导,带动老年辅具行业发展。

等温处理对Mg-3Y-4Nd-1Ni-0.5Zr合金半固态坯料件显微组织的影响

采用半固态等温加热法,观察Mg-3Y-4Nd-1Ni-0.5Zr合金在不同半固态温度(580、595、610和625℃)和保温时间(5、15、30和60 min)下的微观组织形貌,研究工艺参数对显微组织演变的影响,得到晶粒粗化机制和最佳半固态触变成形工艺参数。结果表明:经过等温加热处理后,Mg-3Y-4Nd-1Ni-0.5Zr合金组织由细小的α-Mg晶粒转变为球形颗粒;随着半固态温度和保温时间的增加,Mg-3Y-4Nd-1Ni-0.5Zr合金的平均晶粒尺寸、液相率和形状系数逐渐增加。当半固态温度低于595℃或保温时间少于30 min时,半固态显微组织演变主要以晶粒长大为主,粗化合并机制起主导作用;当半固态温度高于610℃或保温时间超过30 min时,半固态显微组织液相增加和固相颗粒球状化,Ostwald熟化机制起主导作用。最佳工艺参数为:半固态温度为625℃、保温时间为15 min,此工艺参数下的Mg-3Y-4Nd-1Ni-0.5Zr合金的平均晶粒尺寸、液相率和形状系数分别为(60.9±3.1)μm,(31.2±1.4)%和(64.1±0.4)%。