强、弱随附性概念探析

随附性是个意蕴丰富的哲学概念,金在权依据不同的模态强度区分了强随附性和弱随附性。但是,金在权对随附性的双条件句描述犯有错误,而且他的必然性没有一致地给出弱随附性和强随附性的跨世界解释。区分强、弱随附性的关键是认识随附性的依赖与决定关系的不对称性,从这一角度可以对强、弱随附性中出现的"必然"给出合理说明,也能够以此修正强、弱随附性的划分。     

移动交界面流固耦合传热的数值稳定性分析

研究了交界面移动情况下流固耦合稳态传热的数值稳定性问题.考虑Dirichlet-Robin组合边界条件,用速度表征交界面的移动情况,流体域和固体域分别采用有限体积法和有限单元法进行离散及数值求解,利用Goudonov-Ryabenkii理论正则模态分析方法重点研究了交界面移动时数值方法的稳定性,最终获得了一条由耦合系数和移动速度组成的最优曲线,并且证明了当耦合系数和移动速度在这条曲线上取值时,离散的求解域能够达到最快的收敛速度及绝对的稳定性特征.为设计人员进行数值仿真时选取合理的参数提供了参考.     

柔性机械臂动力学建模与振动分析

本文采用假设模态法和Lagrange方程建立了柔性机器人连杆的动力学模型,利用数值仿真,对比分析了截取模态的阶数对连杆振动的影响,结果表明,三阶模态截断可以得到较良好的振动响应分析结果。仿真结果还表明,柔性机器人连杆的结构参数对系统振动的影响,适当增加连杆截面高度可以有效抑制其振动和弹性变形。末端集中质量会对连杆振动产生较大影响。仿真结果表明,集中质量越大,连杆振动也越剧烈。     

基于VMD-BO-BiLSTM的猪肉价格预测模型

基于猪肉价格的非线性与波动性特性，提出一种基于变分模态分解（variational modal decomposition, VMD）和贝叶斯优化（Bayesian optimization, BO）的双向长短时记忆（bidirectional long short-term memory, BiLSTM）网络的猪肉价格预测方法。首先采用变分模态分解对数据进行预处理，将数据分解为具有相对简单波动的子序列；然后通过贝叶斯算法对双向长短时记忆网络模型的第1、2隐含层神经元数目、学习率和批次大小进行寻优，根据寻优的结果建立预测模型。实验结果表明：VMD-BO-BiLSTM方法的平均绝对误差、均方根误差、平均绝对百分比误差和确定系数分别为1.101 214、1.466 100、0.040 631、0.987 760，相比传统单一的LSTM,BiLSTM模型精确度更高，有更高的适用性，适合对猪肉价格预测。     

某纯电动轿车车内轰鸣实验分析及改进研究

在某纯电动轿车NVH性能开发过程中,试验车在粗糙路面出现车内噪声过大并有明显的轰鸣感,主观驾评中该问题列为不可接受,严重影响客户乘车舒适性。为此通过试验识别车内轰鸣特性,在路径上对各零部件进行诊断,锁定了顶盖为轰鸣感主要贡献源。针对顶盖轰鸣现象,借助有限元分析方法对顶盖局部结构进行增强优化设计,最终对车内轰鸣有所改善并提升乘车舒适性。该研究对纯电动轿车车内轰鸣识别排查及改进提供了一定的指导价值。     

一种提取近红外光谱信号中诱发血液动力学反应的方法

为了更好地提取与大脑功能活化有关的诱发血液动力学反应(EHR),综合比较了不同经验模态分解算法的优缺点,提出了一种提取近红外光谱信号中EHR的方法——ICEEMDAN-RLS。利用5种经验模态分解算法对近端通道信号进行分解,根据分解结果对远端通道信号进行自适应滤波,借助皮尔森相关系数和相对均方误差评估不同经验模态分解算法的EHR提取性能,在此基础上分析经验模态分解和传统块平均方法的块平均次数与EHR信号质量之间的关系。结果表明,基于5种经验模态分解算法的自适应滤波方法都能有效提取远端通道信号中包含的EHR,ICEEMDAN-RLS具有更大的皮尔森相关系数和更小的相对均方误差,仅需要进行10次块平均便可获得稳定的EHR信号,比传统方法的块平均次数减少了75%,且具有较高的EHR信号质量,可以更有效地提取淹没在全局干扰中的EHR。该结果可为大脑功能活化的研究提供参考。     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

RC框架结构基于性能的优化分析

对某实际工程中按工程设计软件PKPM设计的一榀框架(KJ-1)进行优化分析,以达到降低工程材料用量,满足经济要求的目的.采用有限元软件SAP2000对KJ-1进行Pushover分析,得到KJ-1的性能点及KJ-1在性能点时的层间位移角值;将层间位移角值与规范层间位移角限值及相应的性能要求进行比较,KJ-1满足抗震性能目标1的要求.根据实际工程中要求,KJ-1满足性能目标3的要求即可;对KJ-1进行优化(满足我国现行抗震设计规范),再进行Pushover分析,评价优化后的KJ-1的抗震性能.通过两次优化分析,使KJ-1在满足抗震性能目标要求3的情况下,钢筋和混凝土用量较优化之前分别降低了41.7%和24.1%.结果表明,基于性能的优化设计可以保证结构在满足地震作用下的性能目标的前提下,更经济合理.