基于RBF的机械主轴振动预报模型

为了解决现有机械主轴转子动平衡过程建模方法的精度较低和建模困难的问题,提出了采用RBF网络建立机械主轴振动预报模型的方法,以实现对平衡块不同移动位置下主轴振动幅值的预报。在基于RBF网络的预报模型中,引入DBSCAN聚类算法确定网络的隐含层径向基函数中心,使隐层节点的确定方式更加客观,提高预报模型的精度。最后借助动平衡试验平台验证预报模型的精确性,并将建模方法分别与基于最大矩阵元法的RBF网络、K-means聚类算法的RBF网络、遗传BP网络和人工神经网络作对比。结果表明本文提出的机械主轴振动预报模型建模方法实现了对振动幅值的有效预报,具有更高的精确度。

大数据时代下的研究生教育质量评价体系研究

研究生教育数据每年在成倍地增长,信息的复杂性也在逐年提升,想获得微观、个体的研究生教育情况,需要将大数据技术应用到研究生教育质量评价体系中。应用大数据技术可以实现对每个学生的教育质量的微观、个体化跟踪和未来发展的预测,对于可能出现问题的学生起到了及时的警告作用。