Research on the Processing Methods of the Computer Format Information Flow in the Network English Translation System

The development o f the network technology, and especially the web search engine, has brought great changes to the field of the English translation. Translators can acquire the background information of the translated texts by using the web search engine correctly, inquire about the correct translation methods of the rare professional terms, apply the fixed sentence patterns, and check the correctness of the translation, so as to improve the translation speed and quality.

Hot deformation behavior and processing maps of Mg-Zn-Cu-Zr magnesium alloy

The deformation behaviors of a new quaternary Mg-6Zn-1.5Cu-0.5Zr alloy at temperatures of 523-673 K and strain rates of 0.001-1 s-1 were studied by compressive tests using a Gleeble 3800 thermal-simulator.The results show that the flow stress increases as the deformation temperature decreases or as the strain rate increases.A strain-dependent constitutive equation and a feed-forward back-propagation artificial neural network were used to predict flow stress,which showed good agreement with experimental data.The processing map suggests that the domains of 643-673 K and 0.001-0.01 s-1 are corresponded to optimum conditions for hot working of the T4-treated Mg-6Zn-1.5Cu-0.5Zr alloy.

多用户复杂网络信息流短时预测方法

当前的多用户复杂网络信息流短时预测模型多为单一结构,预测的范围较小,为此提出多用户复杂网络信息流短时预测方法。根据实时的信息流预测需求及标准的变化,设定最大预测误差范围,采用多阶的方式构建多阶短时预测模型,建立短时模糊预测流程,构建多用户复杂网络信息流短时预测模型,采用自适应修正处理,实现信息流预测。测试结果表明,设计方法的信息流的短时预测F值均可以达到0.95以上,表明该方法的泛化能力与针对性均得到增强,可以大范围地精准预测信息流。

基于关键要素管控的铁路网络空间安全防御研究

随着我国铁路信息化、数字化、智能化的持续发展,以及其技术水平和服务能力的不断提升,铁路企业所面临的网络安全态势愈发严峻。文章分析铁路网络安全现状及面临的挑战,研究基于信息台账、网络流量、数据流向、闭环流程等关键要素管控的铁路网络空间安全防御措施,以实现对铁路网络空间安全防御能力的进一步提升,为铁路新质生产力的形成及数字化转型提供有益借鉴。

基于遗传算法的油田集输管网优化调整方法

为解决油田生产能耗大、管网造价高问题,提出基于遗传算法的油田集输管网优化调整方法。首先在油田集输管网布局一定的情况下,利用管网节点矩阵计算管网参数;其次,根据集输管网工艺流程以及热力、水力分析构建油田集输管网数学模型的目标函数;最后对管径以及其所在位置进行编码,利用Prime算法确定集油站的位置,并评估个体的适应度,再利用遗传算法获得油田集输管网优化结果。通过实际应用以及对应用结果的评估,集输管网能耗高的6个计转站吨油耗电量减少了16.5 kWh,吨油耗气量减少了12.9 m^(3),一年可节省费用56.3万元,具有明显的节能降耗效果。

基于时空轨迹数据的交通流量的预警方法研究

为了完成交通流量的精准预警,提出一种基于时空轨迹数据的交通流量的预警方法。以路网约束为依据,提取时空轨迹数据特征。计算不同类型时空轨迹数据之间的时间和空间相似度,对其归一化处理,获取不同轨迹之间的时空距离,完成时空轨迹数据的聚类处理。将图卷积计算引入循环网络记忆单元,组建时空图卷积神经网络直接提取时空关联特征。通过图卷积神经网络构建交通流量预警模型。实验结果表明,所提方法可以以较快的速度和较高的精度完成交通流量预警。

基于机器学习的Ti-5Al-1.5Mo-1.8Fe低成本钛合金热加工图预测

为了研究Ti-5Al-1.5Mo-1.8Fe低成本钛合金的热变形行为,运用Instron 5869压缩实验机进行热压缩实验。构建了以变形温度、应变速率、应变为输入变量和流变应力为输出变量的6种机器学习模型,预测不同条件下该合金的流变应力值并评估检验模型的预测性能。根据预测表现最好的LSTM神经网络模型的预测数据绘制预测加工图,对照实验加工图评估检验其预测能力。结果表明:预测加工图能够较为准确地反映出Ti-5Al-1.5Mo-1.8Fe合金在应变为0.499时的可加工区域,与实验加工图的吻合程度较高,该方法能较好地预测Ti-5Al-1.5Mo-1.8Fe合金的热变形行为。

智能变电站过程层网络信息流潮流模型与计算方法

信息流是体现智能变电站过程层网络运行方式及其性能的重要载体,文中提出了过程层网络信息流的潮流计算模型。首先构建了涵盖过程层网络拓扑信息的物理网络模型,并结合报文广播域的划分建立了能够反映节点间逻辑连接关系的逻辑网络模型,然后从各信息源发包行为的不同出发,建立了节点模型。进一步地,给出了信息流潮流模型,并将信息流潮流计算分为稳态流量、极限流量、特定应用场景流量以及网络异常流量4类,满足了对过程层网络不同运行方式进行分析的需求。最后给出了2个过程层网络信息流潮流计算的典型算例,并通过OPNET仿真和网络分析仪2种手段对算例结果进行了验证,表明了所提模型和方法的有效性。

基于能量流网络仿真的钢铁工业多能源介质优化调配

钢铁工业发展面临能源的严重制约,能源优化调配是钢铁企业系统节能的关键技术之一.从钢铁制造流程物质流能量流耦合特点出发,首先,探讨了基于能量流网络仿真的钢铁工业多能源介质综合优化调配策略;然后,探讨了能量流网络化建模、生产流程与能源系统结合的能源仿真、多能源介质综合优化调配技术;最后,给出了在钢铁企业示范应用的效果.

基于报文解析的变电站过程层网络信息流异常保护方法

为了提高智能变电站过程层网络的通信可靠性,给出一种基于信息流的过程层网络设备异常保护方法。基于过程层网络信息流的特性分析,研究了过程层网络信息流的异常状态形成机理以及特征量,并提出了信息流异常的保护策略。进一步,基于GOOSE、SV报文的解析以及信息流量的监控,给出过程层网络信息流异常保护的判据、逻辑和整定计算方法,实现了过程层网络信息流异常告警以及网络故障隔离,并启动备用装置对故障装置进行替换,实现了事故状态的恢复。在构建智能变电站网络通信系统保护监控体系方面进行了实质性的有效探索。

基于图像处理和Elman神经网络的气液两相流流型识别

气液两相流广泛存在于现代工业生产之中,其流型极大地影响气液两相流的流动和传热特性,为此提出了一种图像灰度直方图统计特征和Elman神经网络相结合的气液两相流流型识别方法。该方法利用高速摄影系统获取水平管道内两相流的流动图像,经过图像处理后,提取图像灰度直方图统计特征,进而建立流型的图像统计特征向量,并以此特征向量作为流型样本对Elman神经网络进行训练,实现对流型图像的智能化识别。实验结果表明,训练成功的Elman神经网络能有效识别水平管道内7种典型流型,整体识别率达98.6%,为流型在线识别提供一种新的有效方法。

基于神经网络的7055铝合金流变应力模型和加工图

在Geeble-1500热模拟机上对7055铝合金进行热压缩试验,基于热压缩试验数据,建立流变应力的反向传播(BP)神经网络预测模型和加工图。结果表明:用人工神经网络能更精确地预测热压缩过程中的流变应力,预测精度明显高于线性经验公式的;通过预测模型可以获得样本数据值范围内的非样本数据变形条件下的流变应力,其预测结果充分反映该合金的高温变形特征;在本实验条件下,7055铝合金在高温变形时存在一个失稳区,即变形温度在实验温度范围内应变速率为0.025s-1以上的区域;在375～425℃的范围内,应变速率小于0.001s-1的区域,最大功率耗散系数为0.45;EBSD技术分析表明在安全区发生部分动态再结晶。利用加工图确定了热变形时的流变失稳区,并且获得了试验参数范围内热变形的最佳工艺参数,其热加工温度为350-430℃低应变速率区。

一种基于历史记录的网络流量数据采样方法

通过将宏观网络流量的变化特征分解成为具有历史记忆特点的周期变化特征和具有随机变化特点的趋势变化特征,提出了一种基于历史记录的网络流量数据采样方法(NFDS-HM).实验表明:NFDS-HM采样算法对实际网络流量曲线进行拟合的结果,在其所获得的样本数量比Poisson采样过程所获得的样本数量减少25%的情况下,其期望值失真率、方差失真率分别降低了16.4%和16.2%.

基于图像小波包信息熵和遗传神经网络的气-液两相流流型识别

根据小波包变换能够将图像信号按不同尺度进行分解的特性,提出了基于图像小波包信息熵特征和遗传神经网络相结合的气-液两相流流型识别的新方法。该方法采用高速摄影系统获取水平管道内气-液两相流的流动图像,经过处理,对图像进行多分辨率分析,提取小波包变换系数的信息熵特征,用主成分分析法降低特征维数构成特征矢量,作为流型样本对遗传神经网络进行训练,实现了对流动图像的流型智能化识别。结果表明:图像小波包信息熵特征可以很好地反映各流型之间的差异;遗传神经网络结合遗传算法和BP算法各自优点,具有收敛速度快、不易陷入局部极小的特性,网络识别率为100%。

一种基于硬件的大规模哈希流表设计与实现

基于流的报文处理是防火墙、入侵检测等网络安全应用的重要组成功能,其中流表是流处理技术的关键数据结构,流表的规模及访问性能直接影响到流处理的能力和速度。着眼于高速网络下大规模流表的硬件实现,设计了一种基于硬件的千万级哈希流表查找架构,并在FPGA平台上进行了实现和测试。该方案在保证访存效率的同时很好地解决了冲突的难题,利用有限的存储资源,满足了高达4 900万项的流表查找需求,测试能够实现92Mdesc/s的表查找速度,支持约220Gbps高速以太网的处理能力。

混合流程作业计划编制的时间并行倒推算法

针对混合流程作业计划编制困难、效率低、生成的计划可执行性差等问题,提出了基于生产流程网络图的时间并行倒推算法。该算法按照生产工序和工位间的逻辑关系,以及产品的生产工艺路径,构建混合流程生产作业动态网络图,用逆工艺路径的时间并行倒推算法来编制作业计划,从流程最后一道工序开始,依据网络图中生产工序和工位关系,所有任务逆工艺路径方向进行时间并行倒推,确定其在当前作业工序的紧前工序的开始作业时间,再将任务分配给紧前工序的适宜工位加工。通过炼钢-连铸作业计划编制案例表明,该算法能快速有效地编制出任务间没有作业时间冲突且可执行的生产作业计划。

单轴压缩试验下粗糙离散节理网络模型建立及力学特性

针对岩体中随机结构面存在粗糙特性的特点,开展了粗糙离散节理网络(roughness discrete fractures network,RDFN)模型研究。采用数字图像处理技术,开发了生成RDFN模型的算法,并基于Matlab方法建立了与颗粒流离散元PFC方法的接口。采用颗粒流PFC方法研究粗糙度对RDFN模型单轴压缩下的弹性、强度和破坏模式的影响规律,并与直线型DFN模型进行对比。结果表明,RDFN模型的弹性模量低于DFN模型,而峰值强度较高,残余强度较低;DFN模型中微裂纹沿节理方向贯通,局部存在基岩内部裂纹扩展;RDFN模型由破坏模式相对复杂,达到峰值强度后基岩发生显著破坏。

基于图像轮廓特征和粒子群优化神经网络的气液两相流流型识别

根据流型轮廓特征提取的不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩与粒子群优化神经网络相结合的气液两相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液两相流的流动图像,经过图像处理后和形态学轮廓提取图像不变矩特征向量,并以此特征向量作为流型样本对粒子群优化神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的粒子群优化神经网络能够快速准确识别水平管道内的7种典型流型,整体识别率达到97.5%,为流型在线识别提供了一种新的有效方法。

基于ANP的直升机单机森林灭火训练效能评估

现有的直升机单机森林灭火训练效能评估方法仅针对取水灭火过程,忽视了其他任务环节对训练效能的贡献,并假设指标间相互独立,因此导致评估指标体系不全面、指标权重分配不合理,评估结果的可靠性低。利用离散事件系统建模理论建立的事件活动流将直升机单机森林灭火训练任务分解成若干相关活动,活动映射法对各活动效能要素进行分析并转化为效能评估指标,最终构建出全面的两维度效能评估指标体系;网络分析法(ANP)的使用考虑了评估指标间具有的依赖和相关关系,对指标权重进行重新合理分配,评估方法更符合问题的实际情况,评估结果更加可信。基于超级决策(SD)软件的案例分析表明,所提出的效能评估方法具有工程应用的可行性和参考价值。

基于图像不变矩特征的气液二相流流型识别

气液二相流流型极大地影响气液二相流的流动和传热特性,准确识别流型对相关设备的设计和运行具有重要意义。根据不变矩能有效检测出具有平移、旋转、比例变化的图像特性,提出了一种基于图像不变矩和概率神经网络相结合的气液二相流流型识别的新方法。该方法利用高速摄影系统获取水平管道内气液二相流的流动图像,经过图像处理后提取图像不变矩特征向量,并以此特征向量作为流型样本对概率神经网络进行训练,实现了对流动图像的流型智能化识别。实验结果表明,训练成功的概率神经网络能够快速准确地识别水平管道内的7种典型流型,整体识别率达到99.3%,为流型在线识别提供一种新的有效方法。