大模型辅助研发在金融领域的应用研究

数字经济时代,各行各业的数字化转型对IT研发模式提出了更高的要求,以往的研发模式已经难以满足快速变化的市场需求。大模型技术的兴起为这一问题提供了全新的解决方案。与传统研发模式相比,大模型在辅助研发方面具有明显优势,能够使企业更加快速地完成系统建设,从而提高市场响应速度,满足业务快速创新的需求。

模型辅助的单抗连续捕获工艺分析和过程优化

连续流层析具有提高过程产率和介质利用率、降低生产成本等显著优势,在抗体药物生产中具有良好的应用前景。但是,连续流层析模式多样,影响因素众多,传统的基于实验的过程开发方法存在困难。将模型辅助方法引入到连续流层析亲和捕获过程,建立了模型辅助过程优化方法,系统比较了两柱、三柱和四柱连续捕获模式,确定了最佳模式和操作条件,并经实验验证。结果表明:模型预测与实验结果基本一致;与批次层析相比,四柱连续捕获的过程产率提高了27.2%,介质利用率提高了50.1%,且产品质量稳定。由此说明,模型辅助方法有助于确定最佳连续捕获模式和操作条件,促进过程优化,加速抗体药物连续生产过程的工业实现。

基于CoKriging代理模型的涡流无损检测模型辅助探测概率问题的研究

无损检测模型辅助探测概率问题的研究需要大量仿真数据,而高精度的物理模型计算模型响应需要大量时间,往往是无法实现的。代理模型是一种高效的数学模型,可以替代费时复杂的物理模型,广泛应用于设计优化问题。CoKriging模型可以融合高精度和低精度的数据,融合了大量计算成本低的低精度数据和少量计算成本高的高精度数据,提高了建模效率,是一种非常有应用潜力的代理模型。文中将CoKriging模型应用于涡流无损检测模型辅助探测概率的研究,在有限截面线圈探测金属平板表面槽缺陷算例中,利用物理模型计算部分训练点,构建CoKriging模型,精度验证通过后的CoKriging模型可以代替物理模型进行MAPoD分析,通过对比物理模型计算的MAPoD关键参数验证CoKriging模型的精度和效率。结果表明,相较于Kriging模型,CoKriging模型只需要更少的样本点训练模型就可以达到求解精度的要求,其构建元模型所需时间仅为Kriging元模型所需的7%,提高了涡流无损检测模型辅助探测概率研究的效率。

基于多项式混沌展开法的涡流无损检测高效元模型辅助探测概率的分析

探测概率对于量化涡流无损检测系统的检测能力非常重要。模型辅助探测概率的参数需要大量试验或仿真数据才可以确定,往往难以实现。应用基于退化核函数加速的边界元法的数值模型,提出使用基于普通最小二乘法的多项式混沌展开算法的元模型提升三维涡流无损检测问题探测概率的效率。通过有限截面线圈检测金属板面槽的算例,引入线圈位置和提离距离为不确定传播的参数,测试结果表明,该元模型预测的模型参数与基于退化核函数加速的边界元法物理模型计算的模型参数相对误差在1%以内,极大降低了所需的计算开销。

基于概率模型辅助的高压断路器故障预测研究

概率模型可用于辅助研究高压开关柜断路器的故障预测,并可基于历史故障数据和其他相关因素,通过统计分析和机器学习算法来预测高压开关柜断路器的故障概率。高压开关柜断路器(HVSCB)中大多数故障的根源是运行机制,而行程曲线(TC)可以有效地揭示操作机构的状态。本文介绍了HVSCB常见失效模式对TC剖面的影响,并提出了一种新的模型辅助方法,将基于模型的方法和基于规则的方法相结合来模拟操作机构的行为。HVSCB的工况根据其运行速度分为三种模式即正常(约3 m/s)、故障1(小于正常范围)和故障2(大于正常范围)。HVSCB的模式变化已通过交互式多模型(IMM)在每次操作中进行了估计,所提出预测故障和分析故障原因的方法已通过了实验验证。

一种车辆模型辅助的MEMS-SINS导航方法

针对城市环境中GNSS因遮挡导致MEMS-SINS精度快速降低的问题,在车辆运动学约束的基础上,结合四通道ABS轮速传感器和方向盘转角信息,提出一种新的适用于陆地车辆的MEMS-SINS导航方法。该方法通过分析车辆转弯和运动约束特性,构建角速度和加速度观测量,从而实现基于模型辅助的MEMS误差在线补偿;其次,ABS轮速信息与非完整约束条件结合可额外增加三维车体速度观测量,进一步维持卫星失效时组合滤波器的量测更新。跑车实验表明,在GNSS信号频繁丢失甚至长时间无法定位时,低精度MEMS惯性器件引起的快速误差积累得到有效抑制,与经典车体约束结合里程计算法相比,航向精度提高约70%,位置、速度精度也有相应的提高,验证了算法的有效性。

非概率样本模型辅助校准估计方法

大数据时代,如何高效地从高维数据中挖掘有效信息并进行统计推断逐渐成为人们关注的热点问题。文章基于高维数据研究如何充分利用已知辅助信息对非概率样本进行校准,主要包括两个方面的内容:一是在总体规模已知的情况下,对非概率样本进行模型辅助SCAD校准和模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。二是在总体规模未知的情况下,对非概率样本进行估计控制模型辅助SCAD校准和估计控制模型辅助ALASSO校准,依次求出校准权重并对总体均值进行统计推断。

引进美国依阿华州立大学教学理念的教学改革探索——模型辅助设计在《建筑设计2》课程中的应用

分析了教学改革的背景,介绍了引进ISU先进教学理念进行模型辅助设计在《建筑设计2》课程教学中的应用教学改革实践,总结了课程教学特色,探讨了未来教学改革的方向。

基于模型辅助捷联惯导组合导航仿真

为提高自主式水下潜器(AUV)捷联惯导(SINS)的自主导航精度,增强系统鲁棒性,采用了有关H∞滤波的AUV模型辅助的组合导航方法。克服当海底深度超出多普勒测速仪(DVL)范围时,SINS/DVL组合模式失效导致的捷联惯导误差迅速增大问题。针对传统卡尔曼滤波中系统模型和外部干扰统计噪声不确定时,系统精度降低的情况,提出采用H∞滤波提高系统精度和鲁棒性。在Matlab/LabVIEW的仿真平台上验证组合方法的可行性,仿真结果表明,基于H∞滤波的模型辅助捷联惯导方法能够有效提高组合导航系统精度、鲁棒性,是DVL工作失效时的备份导航系统,并能够有效抑制AUV在模型不准确的情况下Kalman滤波的发散问题。

基于平衡样本的最优模型辅助抽样策略

模型辅助方法的思想是基于抽样设计借助于超总体模型获得对总体参数的有效推断。满足辅助变量的HT估计等于总体总量真值的样本被称为平衡样本。对于平衡样本,如果超总体模型的异方差性可以通过辅助变量解释,由此得出最优抽样策略:平衡抽样设计与HT估计结合是最优策略,包含概率正比于模型残差的标准差。

代理模型辅助进化算法在高维优化问题中的应用

目前,代理模型辅助的进化算法是提高复杂优化问题的计算效率的一种有效手段。其中,模型管理在代理辅助进化优化中起着至关重要的作用。提出了一种基于多目标加点规则的高斯过程模型辅助社会微粒群算法(Multi-objective infill criterion based Gaussian Process model assisted Social learning particle swarm optimization,MICGP-SLPSO)。将多目标的方法引入模型管理中,提出多目标加点规则,进而发展了一种新的基于代理模型的微粒群算法优化策略。选用高斯过程构造代理模型,采用微粒群算法对所构造的代理模型进行优化,根据已知信息,将期望改进准则(EI)及统计下限最小值准则LCB作为两个目标,用来确定哪些候选解进行实际计算。将本优化策略用于基准函数测试问题和阶梯悬臂梁设计优化实例,并与国内外现有研究成果进行比较,证明了MICGP-SLPSO在有限的适应值计算次数下拥有更好的寻优性能,尤其是在高维优化问题上拥有更显著的优势。

双入双出延迟系统模型辅助自抗扰控制研究

本文针对一类双入双出时延系统进行了模型辅助自抗扰控制设计.通过静态解耦矩阵矩阵可以将双入双出系统解耦,同时两回路间的干扰作为“总扰动”的一部分,可以由模型辅助的扩张状态观测器进行估计补偿.将可以获得的模型信息加入到控制器中,可以减少状态观测器的估计负担和相应的带宽需求,从而提高系统抗干扰以及时延的能力.本文通过对3种典型双入双出系统进行仿真研究,验证了所提方法的有效性.

基于半参数方法的模型辅助抽样估计研究

在总结现有模型辅助估计方法的基础上，本文通过构造一种半参数超总体模型，同时结合广义差分估计思想提出一种新型的模型辅助估计量。该估计量比传统的非参数和半参数回归估计利用更少、更易得到的辅助信息，即只需利用和广义回归估计相同的辅助信息，但一般会比广义回归估计拥有更高的估计精度。理论证明了该估计量是渐近设计无偏和设计一致的，其渐近设计均方误差为广义差分估计量的方差。模拟结果显示：本文提出的估计量估计效果至少与广义回归估计一样好；对于线性程度越低的超总体模型，其估计精度比广义回归估计有越明显的提高；就本文模拟而言，光滑参数在0．04～0．12间适当取值时会有相对较好的估计效果。

广义平衡抽样及其模型辅助估计方法研究

当传统平衡抽样条件满足时,传统平衡抽样方法能够抽出代表性较强的样本,对应的Horvitz-Thompson估计量的估计效果也较好。但在实际抽样中,超总体模型为线性回归模型以及平衡变量的总体单元信息完全已知,这两个基本条件常常无法满足。因此,本文扩展了抽样设计阶段的传统平衡抽样条件,提出广义平衡抽样方法;改进了抽样估计阶段的传统平衡Horvitz-Thompson估计量,提出广义平衡回归估计量。该方法对超总体模型是否为线性模型以及平衡变量的总体单元信息是否已知没有限制,扩大了平衡抽样的适用范围。相比于传统平衡抽样,广义平衡抽样提高了平衡样本在总体中的代表性。同时,相比于传统估计量,广义平衡回归估计量的估计精度更高,方差更稳定,并且估计量具有渐近设计无偏性和一致性。数值模拟和实证分析结果均表明,当平衡变量与目标变量之间紧密相关时,广义平衡抽样及广义平衡回归估计量具有优越性。

基于SRUKF的模型辅助AUV惯性导航系统

小型水下自主航行器(AUV)空间小、功耗低,传感器布置有限,且AUV运动方程高度非线性,传统扩展卡尔曼滤波(EKF)易发散,多传感器数据融合的传统惯性导航方案难以实现。本文利用AUV数学模型进行辅助,设计了基于平方根无迹卡尔曼滤波(SRUKF)的惯性导航系统。利用AUV运动特性计算得到角速度、加速度等信息,融合六轴加速度传感器信号,实现导航系统误差补偿。通过半实物实验和Matlab仿真实验,验证该导航系统可行性。结果表明,该导航系统相比EKF滤波方案精度高、稳定性好,能够满足小型AUV导航定位需求。

微小型AUV模型辅助技术在惯性导航中的应用

针对微小型水下潜器在无法获得GPS信号的情况,设计了一种模型辅助的全自主惯性导航系统;由于体积和功耗的限制,本系统无法采用传统的多普勒测速仪作为外部传感器,而提出了以惯性导航系统为核心,运动模型辅助的方法;根据水下潜器的运动特性进行数学建模,与卡尔曼滤波构成回路,运动模型输出位置、速度等信息对捷联解算输出信息进行误差补偿;搭建了基于Simulink的实验仿真环境,验证了该方法的有效性,能够满足微小型AUV对于导航系统体积、成本和功耗的要求,一小时的定位误差小于500m。

基于统一方法架构的软件开发过程模型辅助系统

介绍了基于统一方法架构的软件开发过程模型辅助系统,它是对RUP的裁减和定制,以满足航空电子软件开发的特殊性。还介绍了软件开发过程模型辅助系统在型号项目以及新员工中的应用案例及应用结果。

基于模型辅助补偿自抗扰的履带车辆行进间火炮身管稳定控制

针对履带车辆高速行进间射击时火炮扰动力矩急剧增加且火炮、炮塔的转动惯量变化较为严重而影响射击精度的问题,在传统自抗扰位置-电流双环炮控系统的基础上,提出了一种基于模型辅助补偿的自抗扰控制方法。首先基于带遗忘因子的递推最小二乘法建立一个不依赖于负载总干扰力矩的转动惯量辨识模型,其次利用降维状态观测器根据辨识得到的转动惯量实时观测负载力矩,最后将实时辨识得到的转动惯量和观测出来的负载力矩前馈补偿到自抗扰控制器中。联合仿真表明该方法不仅能提高行进间火炮身管稳定精度和鲁棒性,还能降低扩展观测器的观测压力。

3D打印模型辅助颅内血肿微创清除术治疗高血压脑出血的效果分析

目的:探讨高血压脑出血疾病应用3D打印模型辅助颅内血肿微创清除术治疗的效果。方法:将113例研究对象随机分成观察组(57例)与对照组(56例),对照组行常规颅内血肿清除术,观察组行3D打印模型辅助颅内血肿微创清除术,观察两组血肿清除率及术后不良反应发生情况。结果:术后3d、7d观察组患者血肿清除率显著高于对照组(P <0.05);术后观察组患者不良反应总发生率为1.75%,显著低于对照组10.71%的发生率(P <0.05)。结论:应用3D打印模型辅助颅内血肿微创清除术的血肿清除率高,术后不良反应低。

基于模型辅助ADRC的DC/DC变换器研究

针对DC/DC变换器在负载受到扰动时,使用传统的PI控制器进行补偿,响应过程会出现波动过大和调节时间过长的问题,设计了一种模型辅助的线性扩张状态观测器,将其应用在自抗扰控制器中。首先基于Simulink环境搭建DC/CD变换器的仿真电路,其次分别对PI控制器和模型辅助自抗扰控制器控制效果进行仿真验证。仿真结果表明,模型辅助自抗扰控制器比PI控制器具有更好的动态调节效果。