复合加工机床空间误差补偿和精度提升

对特殊结构的复合加工机床采用D-H和H-M方法结合的系统主法进行了运动学建模,使激光跟踪仪测量的机床空间误差便于模型参数辨识,并列出了机床理论模型的正解和机床误差模型的识别参数。在机床运动学误差模型中,以验证点的理论空间位姿为基准,根据刀具点空间位姿相对于机床坐标轴的雅克比矩阵,使用分块矩阵结合L-M算法,计算得到了验证点的坐标轴补偿值,算法收敛速度快,相对于雅克比矩阵迭代法提高了计算效率,经过坐标轴补偿后机床的空间位置误差和姿态误差平均值分别为0.00422 mm和9.99×10-4 rad,比补偿前误差分别降低了82.5%和16.1%,表明复合加工机床的空间位姿精度得到大幅提升。

马钱子致大鼠体内毒性的研究——“装袋”算法和16S rRNA基因测序技术在毒理学研究中的应用

目的中药马钱子(Strychnos nux-vomica L.,SN)在临床上具有消肿止痛的功效,然而,由于含有生物碱类成分,马钱子具有一定毒性。人们对马钱子毒性所引起的大鼠内源性代谢变化及其对肠道微生物群代谢失调的潜在影响知之甚少,因此,马钱子的毒理学研究对其安全性评价具有重要意义。本研究将代谢组学和16S rRNA基因测序技术相结合来探索马钱子的致毒机制。方法通过急性、蓄积性和亚急性毒性试验,分别确定马钱子的中毒剂量、毒性强度和毒性靶器官。超高效液相色谱-质谱联用技术用于分析大鼠灌胃马钱子后的血清、肝脏和肾脏样本。利用基于装袋算法的决策树和K最近邻(K nearest neighbor,KNN)模型对组学数据进行分类。从大鼠粪便中提取样本后,使用高通量测序平台对细菌的16s rRNA V3-V4区域进行分析。结果装袋算法提高了样本分类的准确率。共鉴定出12个生物标志物,这些生物标志物的代谢失调可能是马钱子致体内毒性的原因。拟杆菌、粪厌氧棒菌、颤螺菌、双茎体菌等与肾肝功能的生理指标密切相关,这表明马钱子引起的肝肾损害可能与这些肠道细菌的代谢紊乱有关。结论本文揭示了马钱子的体内致毒机制,为马钱子临床上的安全合理使用提供了科学依据。

时变交通拥挤和需求随机的移动设施运营优化

为了优化移动设施(Mobile Facility,MF)的运营,在充分考虑时变交通状况和用户需求随机性的基础上,构建了一个两阶段随机规划模型,以期为决策者提供有力的工具。在第一阶段,模型针对MF的数量、时刻表和路径进行决策;第二阶段则聚焦于用户需求的分配和未满足服务量的确定。在求解此模型的过程中,本研究结合了时间依赖最短路径算法与L-shaped算法。在解决MF的移动路径和用户到达服务点的时间依赖最短路径问题时,将时变路段行驶速度离散化为分段函数,使得路段行驶时间成为连续分段线性函数,并且满足网络先进先出的原则,从而可以修改现有最短路径算法高效求解时间依赖最短路径。在L-shaped算法中,视一阶段模型为主问题,二阶段模型为子问题。首先通过求解主问题获得一阶段的决策变量,然后利用这些变量求解子问题,为主问题生成最优割。通过主、子问题的迭代交互,实现了对模型全局最优解的收敛,同时,通过加入有效不等式,使得算法能够快速收敛。在上海市嘉定区COVID-19核酸检测服务的MF实例中,对所提出的模型和算法进行了实证研究。结果表明:多割L-shaped算法结合有效不等式显著提升求解效率;同时,随着用户需求分布情况数量的增加,完美信息期望值和随机解价值均显著增加,这强调了在决策过程中获取准确信息和考虑时变交通状况与需求随机性的重要性。

盐湖大气环境下316 L仪表管点蚀深度预测研究

为提高316 L仪表管在盐湖大气环境下点蚀深度的预测精度,采用变阶平均弱化缓冲算子、积分背景值和新陈代谢对分数阶累加灰色模型FGM(1,1,r)进行改进,首先通过改进Tent混沌映射、莱维飞行和区间自适应反向学习策略提高黏菌算法(SMA)的寻优能力和收敛速度,随后利用改进黏菌算法(ISMA)对FGM(1,1,r,ρ)中的参数r和ρ进行寻优,最后构建仪表管ISMA-FGM(1,1,r,ρ)点蚀深度预测模型。研究结果表明:经优化的新模型比原模型误差更小、拟合度更高,在仪表管点蚀深度预测方面具有更好的性能。研究结果可为仪表管道系统的完整性评价和风险预警提供参考。

基于有限差分-谱方法的分数阶Burgers流体的非稳态驻点流动

研究了分数阶Burgers流体通过拉伸平板的非稳态驻点流动问题。将分数阶导数引入Burgers流体模型可以更好地模拟流动过程,但也增加了模型的复杂性和求解难度。首次运用有限差分-谱方法求解分数阶Burgers流体模型,离散格式构造简单有效。采用谱方法对控制方程中的空间项进行离散,利用有限差分方法分别结合L-1和L-2算法离散控制方程中的时间项,给出了两种离散格式,并且通过构造数值算例证明了离散格式的收敛性。结果表明,在靠近平板处,速度随着分数阶导数的增加而减小,而无穷远处的流体速度呈现出相反的趋势,体现了分数阶导数的记忆特性。此外,雷诺数越小,流体的粘度越大,导致流体速度越大。由于松弛时间参数的松弛特性,靠近平板处松弛时间参数对速度分布有抑制作用,远离平板处松弛时间促进流体流动。

阻尼改进抗差L-M匹配下全景图像拼接平滑优化

为了解决大面积视觉全景图像受拼接缝影响,拼接平滑面积较小的问题,提出阻尼改进抗差L-M匹配下全景图像拼接平滑优化方法。阻尼因子改进抗差L-M算法,计算抗差L-M迭代向量;利用改进抗差L-M算法,融合球面投影理论,对特征匹配误差目标函数进行优化。融合拉普拉斯算法和高斯滤波金字塔对图像进行分解重构,确定图像拼接缝重叠区域后完成全景图像拼接平滑优化。实验结果表明,所提方法的拼接缝平滑面积能够达到95.8%,解决了拼接平滑面积较小的问题。

基于L-M算法的铝合金铸造过程界面换热系数的反问题模型

铝合金铸造过程铸件-铸模之间的界面换热系数的变化非常复杂,且预测非常困难。本文基于L-M(Levenberg-Marquardt)算法建立了铝合金铸造过程传热反问题模型,通过反问题分析获得铝合金铸造过程中铸件-铸模界面换热系数。通过将铸件-铸模界面换热系数反演值与标准值进行比较,验证传热反问题模型的准确性。在此基础上,分析了铸模上测点位置(与铸件-铸模界面距离、相邻测点间距)和温度测量误差对铸件-铸模界面换热系数反演值的影响规律,并给出了最优的测点布置方案和温度测量误差要求。通过铝合金铸造实验,用该反问题模型能求解出铝合金凝固过程中的铸件-铸模界面换热系数。

基于多特征组合优选与随机森林算法的石漠化信息提取——以云南省昭通市为例

石漠化是我国西南地区最主要的地质生态灾害之一,其引发的土地资源丧失、生态系统退化、干旱缺水等问题严重威胁着地区的生态安全、粮食安全和不发生规模性返贫。因此精确提取石漠化信息对区域经济社会持续发展至关重要。针对当前石漠化信息提取中存在的时相单一、时效性差、区域尺度提取结果精度低等问题,以云南省昭通市为例,提出一种多特征组合优选的分类方法。在优选样本和特征的基础上,利用Sentinel-2影像和DEM数据提取光谱、指数、植被覆盖度、基岩裸露率、纹理、地形等多特征,构建5种分类方案,并采用随机森林分类算法完成提取。结果表明:2020年昭通市石漠化土地面积为2820 km2,占全市土地利用/覆被面积的11.11%,分类结果与实地调查区域一致性较好;利用Jeffries-Matusita distance(JM距离)得到的特征优选方案总体精度为88.0%,Kappa系数为0.85,石漠化土地生产者精度和用户精度分别达到91.2%和83.8%。本研究提出的方法能够较为准确地获取区域尺度石漠化空间分布信息,可为相关部门开展石漠化防治与监测工作提供参考。

基于SSA_(n)-SSA_(l)-LSTM的短期空调负荷预测模型

本文提出了一种奇异谱分析(SSA_(n))和麻雀搜索算法(SSA_(l))优化的长短期记忆网络(LSTM)的组合空调负荷预测模型。使用皮尔逊相关系数和主成分分析法对输入特征进行挑选和处理,以消除特征之间的冗余性和相关性。针对空调负荷的波动性和随机性,采用SSA_(n)将空调负荷分解为多个分量。同时针对LSTM超参数设置的问题,采用SSA_(l)对模型进行优化,使用优化后的LSTM对各个分量进行预测,对预测结果进行重构。利用办公建筑和医疗建筑的空调负荷数据对模型进行了验证和分析。研究发现,与其他模型相比,SSA_(n)-SSA_(l)-LSTM模型表现最好,在预测办公建筑空调负荷时决定系数(R^(2))高达0.996 7,平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.62%、14.42 kW和18.82 kW,在预测医疗建筑空调负荷时R^(2)高达0.992 7,MAPE、MAE和RMSE分别为0.50%、19.40 kW和25.71 kW。

基于改进YOLOv5的热轧带钢缺陷检测

针对热轧带钢的缺陷检测,存在目标尺寸过小、特征不清晰和错测漏检等问题,提出了一种基于改进YOLOv5的热轧带钢缺陷检测方法。首先基于K-means++算法在聚合网络上加入了一种超参数锚框算法,提高了锚框的准确率。其次重新设计了新的特征提取模块,增加了检测的尺度并且加入了非线性卷积模块强化了目标缺陷的语义信息。最后针对置信度损失函数,使用较为平滑的相对熵来取代交叉熵,提高了模型收敛时的稳定性。与基准算法的实验结果显示,使用改进YOLOv5的平均检测精度比原版YOLOv5提高了8.2%,泛化能力更强,检测速度更快,错误和漏检率更低。

基于GPU加速的分布式水文模型并行计算性能

针对具有物理机制的分布式水文模型对大流域、长序列模拟计算时间长、模拟速度慢的问题,引入基于GPU的并行计算技术,实现分布式水文模型WEP-L(water and energy transfer processes in large river basins)产流过程的并行化。选择鄱阳湖流域为实验区,采用计算能力为8.6的NVIDIA RTX A4000对算法性能进行测试。研究表明:提出的基于GPU的分布式水文模型并行算法具有良好的加速效果,当线程总数越接近划分的子流域个数(计算任务量)时,并行性能越好,在实验流域WEP-L模型子流域单元为8712个时,加速比最大达到2.5左右;随着计算任务量的增加,加速比逐渐增大,当实验流域WEP-L模型子流域单元增加到24897个时,加速比能达到3.5,表明GPU并行算法在大尺度流域分布式水文模型计算中具有良好的发展潜力。

供热管网L值平衡控制算法的研究和应用

水力失调是供热系统能耗大的主要原因,但现有的比例调节法、补偿调节法和回水温度法等算法仅停留在局部热用户的负荷控制上,并不能完全体现二次网平衡的协同控制要求。提出L值平衡控制理论和算法,将L值定义为结合散热体的供温、回温等实际过程参数的控制变量,并从L值的特性、L值参数优化等方面简介L值平衡控制算法,阐述基于L值平衡控制算法的二次网平衡,结合项目背景、平衡效果、节能效果进行案例应用分析。结果表明:L值平衡控制理论和算法可用于二次网水力平衡的协同控制,嵌入热用户测控终端以实现对二次网末端的水力和热力的合理调度与分配,实现用热需求和热负荷的协同。二次网L值平衡控制算法简单且有效,所需的过程参数少且获取容易,算法可直接嵌入在热用户调控设备内,具有高度自治性、稳定性、可靠性和普遍适用性。结合室温软测量技术,L值平衡控制算法可实现室温的精准控制、满足二次网平衡所需的全自动控制等功能,并可为现场调试和控制提供指导。

稀疏L型阵中基于压缩感知的角度估计方法

利用二级Nested阵来构建稀疏L型阵列,针对此阵列,提出了基于压缩感知的角度估计方法。该方法通过计算接收数据的自相关协方差矩阵并向量化,然后进行重排序和去冗余,得到虚拟阵列的入射角信息。该虚拟阵列的长度远远大于实际物理阵列的长度,因而相比同物理阵元的均匀L型阵,阵列孔径和自由度明显增大。最后利用正交匹配追踪技术对虚拟阵列的l1范数约束问题进行求解,并完成二维角度的配对。计算机仿真表明,所提算法具有更高的信源分辨力,并且在高信噪比、高快拍数、大角度间隔条件下,具有更好的估计性能。

低信噪比场景下Link-16系统的联合频偏估计算法

对于Link-16数据链终端平台在低信噪比(SNR)高动态场景下的多普勒频率偏移问题,该文设计一种新的数据结构,推导了该结构下的克拉默-拉奥下界(CRLB),并在此基础上提出一种联合频域变换与时域自相关运算的分步式频偏估计算法。其基本思想是,首先对接收信号做自相关处理,然后通过频域变换进行最大值索引,结合修正因子得到多普勒频移的粗估计值,再利用时域的改进L&R算法对接收信号进行细估计,根据两步估计算法得到最终的频偏估计值。算法应用蒙特卡罗实验仿真,仿真结果表明,与传统频偏估计算法相比,该算法的归一化均方误差更接近CRLB,在多普勒频偏为[–20 kHz,20 kHz]时,估计精度可达10^(–5)。在低信噪比环境下,所提算法能达到较为理想的估计效果,适用于Link-16数据链通信。

安全关键的信息物理系统中时序行为的组合与精化

信息物理系统(cyber physical systems, CPS)通常被应用于安全关键的场景中,需要进行实时监控,并计算反馈信息,实现对外部环境的自动控制与管理.基于模型驱动的开发方法是针对实时的、异构的CPS进行开发的,而模型的可组合性是其中的核心关键点.针对时序行为的可组合问题,首先通过时序约束语言(clock constraint specification language, CCSL)建立系统的时序行为需求模型,在此基础上通过迁移系统描述CCSL的时序行为语义,并给出其组合操作方法及可组合性的形式化定义.进一步地,对时序行为进行精化操作,给出从时序行为需求模型到任务执行模型的转换方法.同时,基于L*方法对模型行为进行学习,实现组合验证以缓解状态爆炸问题,并验证精化后模型的可组合性.最后通过仿真实验及主从智能小车实例对精化与验证方法进行评估.相关数据显示,精化与组合验证方法在处理时间和内存使用上具有一定的性能优势.

基于ISS-LCG组合特征点的油菜分枝点云配准方法

[目的]针对传统点云配准方法准确率低、速度慢等问题,以油菜Brassica napus L.分枝点云为研究对象,提出基于ISS-LCG组合特征点的配准方法。[方法]以成熟期油菜角果分枝点云为对象,去除背景噪声后,得到清晰完整的油菜分枝点云;然后通过内部形状描述子(Intrinsic shape signature,ISS)提取油菜分枝点云的特征点,再使用线性同余法(Linear congruential generator,LCG)伪随机选取油菜点云的部分点构成关键点,将特征点和关键点进行融合,构成ISS-LCG组合特征点;通过三维形状上下文特征(3D shape context,3DSC)对组合特征点进行特征描述,最后采用RANSAC+ICP两步点云配准法进行点云配准。[结果]基于ISS-LCG组合特征点的点云配准算法以30°为间隔对点云进行两两配准时,配准效果最佳,配准误差约0.066 mm,配准精度比未采用组合特征点的配准方法提升了50%~70%;配准时间均小于48 s,平均配准时间为8.706 s。[结论]该方法在可控环境内可以实现成熟期油菜植株高精度、高效率的自动配准。

基于声磁复合的磁异常探测与定位

为提高在低信噪比条件下复杂水下环境中磁异常物体的位置探测精度,采用声呐系统提供初始目标定位,将磁强计按照一定配置排布以获得磁异常测量数据。将目标视为磁偶极子,磁异常在一个方向的梯度可以由3个线性无关的函数组合而成,据此可以利用声呐提供的位置初始值,结合总场磁强计提供的数据,使用L-M算法解算出偶极子的位置信息。为了降低噪声对位置解算的影响,本文对2个传感器之间噪声的相关性对数据进行预处理,进而推导出了磁异常物体位置的精确计算公式。结果表明,当信噪比为-10 dB时,该方法的求解相对误差小于5%,可为复杂环境下磁异常精密探测提供理论依据。

基于L-M算法的移动载荷识别数值分析与研究

近几年,国内运输行业呈现出了极为迅猛的发展趋势,作为连接各地区的主体,桥梁在促进经济发展等方面起到重大作用,如何在保证桥梁性能的前提下,对其寿命进行延长已成为社会各界热议的话题。文章以移动载荷识别为切入点,首先对识别所用L-M算法进行了介绍,其次以斜拉桥、简支梁为例,围绕载荷识别、结构分析相关内容展开了讨论,最后以研究所得出结论为依据,针对不确定参数建立了相应的分析模型,创造性地引入了模糊隶属度等指标,希望能够为日后计算响应区间等工作的开展提供帮助。

冷连轧轧制力深度神经网络模型泛化能力并行优化

为了更好调控冷连轧板厚参数,设计了一种冷连轧轧制力深度神经网络模型,增强了冷连轧模型的控制效果。选择2030冷连轧结构进行研究,对多输入多输出(MIMO)深度神经网络(DNN)进行预处理,针对多线程CPU与GPU实施了优化,对比了神经网络模型和冷连轧系统Siemens模型误差。研究结果表明:L-M算法表现出了更优的收敛稳定性、测试和验证性能、梯度下降趋势,并且收敛速度也更快。以随机方式选择200个数据并测定泛化性能测试得到,L-M算法获得了比SCG算法更大的相关系数。都是随着隐含层数的增加,获得了性能更优的神经网络模型,并且都会增加训练时间。从各项模型指标分析,L-M算法都比SCG算法的性能更优。构建神经网络轧制力模型总共包含二个隐含层、节点数介于17~30、通过L-M算法进行训练。采用神经网络轧制力模型得到的结果与实测值之间的误差比Siemens机理模型和测试值的误差更低。

求解非凸正则化问题的L-BFGS算法

该文提出一种求解大规模l_(1)、平滑剪切绝对偏差(SCAD)和极小极大凹罚(MCP)问题的有限内存拟牛顿方法(L-BFGS)算法.算法在积极集集合上的搜索方向与文献[1]的方向相同,在自由空间集合上使用了有限内存L-BFGS的搜索方向.在适当的条件下,证明了使用非单调技术的算法是全局收敛的.数值实验证明所提出的算法是有效的.