基于改进Bootstrap和Bayesian Bootstrap的小样本产品实时性能可靠性评估

基于失效寿命数据的传统可靠性评估方法一般只能求出相同环境下同一类产品的平均特征,并不能对产品进行实时定量的可靠性分析,对于小样本条件下产品的实时性能可靠性评估更是无能为力,而Bayes方法又容易引起争议。为此,提出了基于改进Bootstrap(改进自助法)仿真和Bayesian Bootstrap(随机加权法)仿真的小样本产品实时性能可靠性评估新方法。这两种方法均是通过数字仿真技术扩大样本量,该方法完全依赖于样品本身的数据,不需要任何主观假设。首先介绍了这两种方法的基本思想,并对传统自助法进行了改进;然后给出了利用该方法计算实时性能可靠性参数的期望与方差的算法,并分析了其适用范围,给出了基于蒙特卡罗仿真的产品实时性能可靠性建模方法;最后通过具体实例验证了该方法的有效性和实用性。

基于改进Bootstrap-Bayes的电子式剩余电流动作断路器可靠性评估

作为一种高可靠性、长寿命产品,电子式剩余电流动作断路器可获得的试验数据很少。为了对其可靠性进行评估,提出一种基于改进Bootstrap-Bayes的可靠性评估方法。首先,进行温度为加速应力的剩余电流动作断路器的加速退化试验,利用退化数据外推得到伪失效寿命,经检验,电子式剩余电流动作断路器伪失效寿命服从双参数威布尔分布;然后,采用灰色GM(1, 1)模型对试验数据进行扩充作为先验信息,通过马尔科夫链蒙特卡洛(MCMC)算法中的Gibbs抽样结合Bayes公式得到参数估计值;最后,利用Arrhenius加速模型实现正常使用环境下剩余电流动作断路器的可靠性评估。

基于验前信息的改进Bootstrap导弹命中精度评定方法

Bootstrap自助法通过将样本信息"提携"以增加原始样本的容量,但在小子样条件下所"提携"的再生子样的真实性会有所偏差。针对战术导弹命中精度评定中现场试验少、数据匮乏问题,通过改进非参数Bootstrap法的再生子样抽样方式,综合应用各类真实的验前信息,并引入重要度抽样思想,提高Bootstrap再生子样本的可信度,弥补现场试验数据的不足。仿真结果表明,该方法可有效提高对导弹命中精度评定结果的可信性。

考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

基于改进Ratio统计量的重尾AR(p)时间序列均值变点检验

文章提出两个改进的Ratio统计量来研究重尾AR(p)时间序列均值变点检验问题,在原假设下推导了统计量的渐近分布,且在备择假设下证明了其一致性。由于重尾指数未知且难以估计,因此结合Wild Bootstrap重抽样方法来确定渐近分布的临界值;在均值变点存在的情形下,给出了变点位置的一致估计量。数值模拟结果表明:统计量的临界值均不受重尾指数和自回归系数的影响,其经验水平和经验势均取得满意的效果;尤其在原假设下,积分型Ratio统计量的经验水平表现出更好的稳健性,而在备择假设下,最值型Ratio统计量则具备更好的显著性。最后,基于一组股票数据,从实际应用角度进一步阐明所提方法的有效性和可行性。

基于改进AHP法的农旅产品包装设计策略探析

基于改进AHP法构建农旅产品包装设计的系统框架,可为农旅产品的包装设计提供借鉴。论文通过钻石模型及多种调研方法明确产品定位,剖析用户需求,转译为设计要素并构建设计要素的层级模型,进而建立判断矩阵推算设计要素的权重和重要性排序。排序结果显示:包装色彩搭配要素是最重要的,满足包装礼品互赠的情感价值;其次,赋予包装农旅融合的文化价值及商业价值是基本要求,绿色生态的质感能为包装增色。在该排序指导下生成的设计方案评分优秀。通过设计实例证明了基于改进AHP法的包装设计框架能够有效提升农旅产品的包装品质,具有可行性。

基于改进Faster R-CNN与U-Net算法的桥梁病害识别与量化方法

为实现桥梁病害检测的自动化,对基于图像处理技术的混凝土桥梁表观病害的智能识别和尺寸确定方法展开研究.提出基于改进Faster R-CNN算法的病害识别方法,利用K均值聚类和遗传算法对区域候选网络锚框进行优化设计;以裂缝预测区域为基础,提出ResNet34结合U-Net的裂缝形态提取方法,并结合裂缝形态学研究了裂缝像素宽度和长度的确定方法.结果表明:锚框优化设计可改进Faster R-CNN算法的表观病害识别效果,5类常见病害的预测准确率、召回率、平均精确率分别由68.40%、69.87%、74.64%提升到85.40%、83.59%、83.72%;利用病害预测框,结合改进U-Net算法的裂缝像素尺寸计算,可实现裂缝病害尺寸的自动测量;基于改进Faster R-CNN和改进U-Net的方法可实现混凝土桥梁常见病害的智能识别和尺寸量化,从而提高桥梁病害检测效率并促进桥梁技术状况评定的智能化.

基于改进MobileNetV2的铣削振动状态辨识

针对现有铣削振动状态辨识模型准确率不高,训练耗时较长的问题,提出基于改进MobileNetV2的铣削振动状态辨识方法。以MobileNetV2骨干结构为主干特征提取网络,联合多尺度注意力聚融层(MAFL)与层递式分类器(LC)对MobileNetV2顶层结构进行重建,从而达到模型改进目的;其次,以变分模态分解与希尔伯特变换为基础开展铣削振动状态数据预处理,并以迁移学习(TL)与Fine-tune相结合对改进模型进行训练;进而,以不同转速下变切深侧铣工艺为对象,利用改进MobileNetV2模型及多种经典分类模型对铣削振动状态进行辨识与对比分析。结果表明,改进MobileNetV2在准确率和耗时方面均具有优势,所提辨识方法更适应制造工程领域对切削状态实时认知与颤振预警的应用需求,具有较广阔的工程应用前景。

基于教学诊断改进与船员培训质量管理的融合运行实践探索——以武汉交通职业学院提升内部综合质量保证体系为例

当前国内所有的高职院校均在进行内部质量保证体系诊断与改进工作,其中又有部分航海类高职院校同时受控船员培训质量管理体系,两套体系受控的教学单位及职能部门不完全一样,容易造成整个学校的内部教学质量保证体系相互扰动的现象。文章主要探索交通类高职院校内部质量保证体系诊断与改进工作外循环、兼顾船员培训质量管理体系内循环、两个体系双循环运行模式,让学校所有教学单位及职能部门在新的融合模式中依据规则、精准实施、连续受控、持续改进。

亚甲蓝分光光度法测定水中阴离子表面活性剂含量的方法改进

对亚甲蓝分光光度法(GB 7494—1987)测定水中阴离子表面活性剂含量进行了方法改进。以毒性相对较小的二氯甲烷取代三氯甲烷作为萃取剂,试管取代分液漏斗,利用振荡器进行萃取。结果表明:改进方法的最佳萃取时间为1.5 min,单个样品的分析时间在10 min以内;十二烷基苯磺酸钠标准曲线的线性范围在2.0 mg·L^(-1)以内,检出限(3s/k)为0.0297 mg·L^(-1);对十二烷基苯磺酸钠标准溶液重复测定6次,测定值的相对标准偏差(n=6)均小于9.0%;对空白样品进行加标回收试验,回收率为95.0%~99.1%。

临床常规检验标本不合格的原因及改进措施

探讨临床常规检验标本不合格的原因及改进措施的有效性,以保证检验前质量控制。2019年和2020年我院临床基础检验室标本不合格的主要原因分别是采样问题、送检问题和医嘱问题。通过采取有效措施,可以降低临床常规检验标本不合格率,保证检验前质量控制,对提高检验结果的准确性具有重要意义。

基于身份认证的BACnet/IP分析与改进

为了解决BACnet/IP身份认证存在多种可攻击漏洞和密钥泄露带来的安全问题,提出了一种安全增强的BACnet/IP-SA协议认证方案。研究协议身份认证消息流模型,基于着色Petri网理论和CPNTools对身份认证消息流建模,采用Dolev-Yao攻击者模型和形式化分析方法对BACnet/IP进行安全性分析,发现协议漏洞并提出改进方案。BACnet/IP-SA协议使用设备的伪身份来保护真实身份信息,使用PUF响应进行认证,通过多信息集合的验证值来验证端身份的真实性并生成会话密钥。结合BAN逻辑和非形式化方法,对协议的安全性进行了证明。实验结果表明,所提方案能有效抵抗多类攻击和密钥泄露带来的安全威胁,在减少计算开销的同时增强了协议身份认证的安全性。

改进的Mertens第一定理估计及应用

在Mertens第一定理的基础上,利用定积分估计的主要思想和Stirling’s公式的估计,对Mertens第一定理中的估计不等式进行了进一步的精确化,得到了更好的估计。改进的估计结果比原来的Mertens第一定理中的估计更加精确。把改进的Mertens第一定理估计应用到一个具体的渐近公式中,提高了该渐近公式中Landau记号里对应常数的精度范围。

基于低碳经济优化调度的电-碳联合需求响应改进策略研究

随着中国双碳目标的提出以及全国碳市场的快速发展,探索碳市场环境下电力系统的发展和优化调度策略具有十分重要的意义。以电力系统最小化成本和碳排放量为目标,提出了一种基于低碳经济优化调度的电-碳联合需求响应改进策略,该策略将碳排放权交易市场中的碳成本引入到需求响应目标中,通过日前模拟优化调控的方法,获得系统各节点参与需求响应的最优策略。研究结果显示,所提改进策略能够在满足需求响应要求的条件下有效减少碳排放。

改进哈里斯鹰算法的仓储机器人路径规划研究

为提高静态环境下仓储移动机器人路径规划效率,解决传统哈里斯鹰(Harris Hawks optimization, HHO)算法在路径规划中存在收敛速度慢且易陷入局部最优的问题,提出了一种基于Tent混沌映射融合柯西反学习变异的哈里斯鹰优化算法(HHO algorithmbasedon Tentchaotic mapping hybrid Cauchy mutation and inverse learning, TCLHHO)。通过Tent混沌映射增加种群多样性,以提高算法的收敛速度;提出指数型的猎物逃逸能量更新策略,以平衡算法的全局搜索和局部开发能力;通过柯西反学习变异策略对最优个体进行扰动,扩大算法的搜索范围,增强全局搜索能力。根据真实仓储环境搭建二维栅格环境模型,并在Matlab中进行仿真对比实验。结果表明:该算法的规划速度、最优路径长度以及最优路径转折次数较对比算法具有较好的效果,验证了应用于智能仓储环境下改进的HHO路径规划问题的可行性和鲁棒性。

持续质量改进管理对降低产妇自然分娩后尿潴留发生率的效果研究

目的探讨持续质量改进对降低产妇自然分娩后尿潴留发生率的效果。方法本研究为临床观察研究,选取2021年1月至12月于广东省妇幼保健院自然分娩的产妇作为研究对象,其中将产一区3062例产妇作为试验组、产二区3112例产妇作为对照组。试验组产妇年龄(29.52±4.25)岁;会阴伤口情况:无伤口266例,Ⅰ度裂伤2152例,Ⅱ度裂伤、侧切644例。对照组产妇年龄(29.68±4.09)岁;会阴伤口情况:无伤口244例,Ⅰ度裂伤2179例,Ⅱ度裂伤、侧切689例。对照组实施常规尿潴留护理措施,试验组在常规护理基础上给予持续质量改进管理措施。观察试验组及对照组尿潴留发生率、留置尿管率、尿潴留产妇护理单使用规范率,对比改进前后尿潴留发生率、留置尿管率、尿潴留产妇护理单使用规范率。采用χ^(2)检验、秩和检验、独立样本t检验。结果试验组与对照组尿潴留发生率、留置尿管率、尿潴留产妇护理单使用规范率对比差异均有统计学意义[3.20%(98/3062)比4.45%(139/3112),1.40%(43/3062)比2.80%(87/3112),88.78%(87/98)比56.12%(78/139)](χ^(2)=6.702、14.354、29.988,均P<0.05)。改进前后对比发现,产妇尿潴留发生率、留置尿管率、尿潴留产妇护理单使用规范率对比差异均有统计学意义(均P<0.05)。结论持续质量改进能够有效降低产妇自然分娩后尿潴留发生率及提高护理质量水平。

基于参数优化VMD和改进LSSVM的道岔故障诊断方法

为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的道岔故障诊断方法。首先,采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化VMD参数,得到模态(Intrinsic Mode Functions,IMF)分量个数和惩罚因子的最优参数组合。其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库。最后,针对麻雀搜索算法(Sparrow Search Algorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(Sine Cosine Algorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型。实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义。

基于改进CSM模型的硬岩掘进机刀盘危险点应力分析方法

TBM刀盘受载后的危险点应力获取缺少直接的测量方法,工况复杂的情况下也难以测量,这就制约了刀盘载荷分析在刀盘寿命分析及其再制造方向上的应用问题,为此本文提出了一种基于改进CSM模型的TBM刀盘危险点应力分析方法.在CSM模型基本压力假设的基础上,提出了滚刀刀刃侧面基本压力的概念,推导计算了滚刀刀刃侧面受到的压力和摩擦力,并将二者逐个引入CSM模型中的三向力的计算,建立了改进的CSM模型;通过与公开的滚刀载荷实验数据对比,计算得到的三向力误差均在5%以内,弥补了CSM模型不能预测侧向力的不足.基于改进的CSM模型,通过分析滚刀载荷三向力的差值关系,建立了滚刀载荷差值与滚刀刀间距离的指数关系,得到了计算刀盘滚刀载荷的理论模型,使用ABAQUS的实体耦合功能,加载上各滚刀的载荷,分析整个刀盘的载荷分布,进一步获得刀盘危险点的位置.由此建立了一套刀盘滚刀群载荷获取及危险点应力分布计算的方法.通过与辽宁大伙房水库引水隧道工程中公开的实验数据及危险点统计数据对比,验证了基于改进CSM模型的TBM刀盘危险点应力计算方式的有效性.该研究对经典的CSM模型进行了改进,所提出的刀盘危险点的应力分析方法可为刀盘再制造寿命预测提供可靠的载荷分析依据,并指导刀盘服役阶段的操控参数设置.

化工原理课程教学方法改进与优化措施探讨

化工原理课程是化工相关专业的核心课程,由于化工原理讲授的是复杂的工程理论基础,在教学过程中存在课程难度大、理论与实践脱轨、学生学习动力不足等问题。本文针对这些问题结合多样化教学、生活/工程实际和多维度评价等手段,探讨化工原理课程教学改进与优化的方法,培养学生学习积极性,提高教学效果。

基于改进DBSCAN空间聚类算法的北京市人工智能产业集聚格局研究

企业作为产业的重要主体,其发展直接表征着产业的发展,企业的空间格局对产业的发展及资源配置具有重要的引导意义。本文基于北京市工商注册在业的人工智能企业数据,提取企业注册地址并转化为地理位置信息,通过改进有噪声的应用背景下的基于密度的空间聚类算法(DBSCAN),分析北京市细粒度层级下人工智能产业集聚在全市域的空间分布格局特征。在DBSCAN算法改进方面,首先调整Minpts参数为企业注册资本总额与企业数量2个维度,企业数量大于5家且注册资本总额大于一定数额,为形成产业集聚区的2个必要条件;其次提取簇内位于边界的企业位置点作为集聚区地理边界点,将边界点连线并绘制形成人工智能产业集聚区。本文重点分析了企业注册资本和地理聚合半径对人工智能产业集聚区形成的影响,同时采用核密度估计法作为参照验证,表明改进DBSCAN方法具有精确刻画产业集聚区地理边界和确定不同规模产业集聚区的优势。通过分析得知,北京市人工智能产业集聚具有明显的中心分布特征,集中在城六区,呈现“两大龙头带动,北京市全域遍地开花”的分布情况,海淀区、朝阳区处于人工智能集聚程度高水平,相较其他区域,人工智能产业发展遥遥领先;西城区、东城区、丰台区、昌平区处于集聚程度较高水平;通州区、大兴区、平谷区、密云区、石景山区、房山区、门头沟区、怀柔区、顺义区处于集聚程度中等水平;延庆区集聚程度较低。通过改进DBSCAN算法精确定位出中关村区域、上地西二旗区域、五道口区域、望京区域、国贸区域、亦庄经开区等人工智能产业集聚区。进一步探究发现,海淀区的人工智能科研人才优势,朝阳区的信息技术领域企业基础,是两区人工智能发展突出的直接原因。延庆区等郊区远离北京市中心城区,产业资源匮乏,同时由于区域功能定位限制等原因,导致人工智能产业集聚水平较低,表明这些区域人工智能产业发展较为缓慢。