关于工程图学教学改革的几点思考

从工程图学课程的教学实践出发,探讨了当前工程图学教学中存在的一些不足以及在教学改革中需要关注的问题。工程图学课程的教学内容要紧随时代发展的需要,更加突出课程的实践性,以满足现代工程设计对制图知识和能力提出的新要求;在教学过程中,应充分激发互动效应,以促进教学效果的提升和教学目标的达成;工程图学课程的培养目标需更关注学生动手能力、创新能力及团队合作能力等综合素质的提高。     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

串联排队系统平均等待时间的近似分析

文章研究GI/G/1→/G/1串联排队系统，该系统由两个单一服务器串联而成，系统的到达过程是更新过程，两个站的服务时间服从一般分布。由于系统的到达时间间隔和服务时间服从一般分布，导致很难用解析的方法进行分析。根据系统的到达时间间隔和服务时间的三阶矩，文章分别将两个站的到达过程近似为MAP，服务时间近似为PH分布，从而将GI/G/1→/G/1排队系统近似为MAP/PH/1→/PH/1排队系统，构建相应的马尔可夫过程，采用矩阵几何解的方法求解系统的平均排队时间等数量指标。通过数值实验，验证了文章提出的近似方法的有效性。     

双分数随机利率下Ornstein-Uhlenback过程后定选择权定价模型

研究了股票价格满足双分数布朗运动驱动的随机微分方程,期望收益率、波动率均为常数.根据双分数布朗运动随机分析理论,刻画了Vasicek模型和Ornstein-Uhlenback过程下股票价格的变化规律.运用保险精算方法,获得了欧式看涨期权和欧式看跌期权的定价公式及平价关系,并得到了后定选择权定价公式.     

电动车DCT换挡滑摩功与冲击度最小优化

为减小电动车双离合变速器换挡过程中产生的滑摩功与冲击度,提出了换挡冲击度与滑摩功加权系数的综合评价指标,以动力参数为输入变量,建立优化目标函数。通过傅里叶变换转化,采用MATLAB粒子群寻优算法对换挡过程中电机输出扭矩和双离合变速器传递扭矩进行优化。结果表明,换挡滑摩功和冲击度都有所减小。所做的研究对于提高这种电动车的换挡品质有一定的理论意义和参考价值。     

楔形滑体运动特征数值模拟及分析

文章将常见滑坡模型进行简化,把滑体的运动状态分为失稳启动后斜面运动阶段和水平运动阶段。通过FISH语言编写PFC3D颗粒流运行程序,模拟并分析了滑体从开始解体到运动停止堆积状态的整个运动过程。考察滑体在不同时刻的运动形态变化,记录了滑体内部颗粒接触数目与滑体能量随时间变化的规律。通过在相关特征部位设定监测点,获得滑体不同部位的总速度、纵向速度和纵向位置等运动特征参量。结果表明:滑体各部分运动状态受所处的初始位置影响很大;滑体颗粒不光有前后运动还有横向运动;滑体中不同能量变化差异较大。     

热轧非稳态过程轧制力自学习模型优化

为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法. 将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2.8%降低到1.4%,均方差从3.3%降低到1.7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.     

含随机参数的偏微分方程的自适应高斯过程求解器

对于数值求解含随机参数的偏微分方程的问题,本文基于以高斯过程为核心的求解器提出了一种自适应挑选训练数据的求解模型.该模型从极少的初始训练数据集出发训练高斯过程求解器,将参数池中预测方差指示变量最大的参数及其对应的偏微分方程的高精度解加入训练数据集中,然后重复上述过程,直到所训练出来的高斯过程求解器在测试数据集上达到所要求的精度.此外,本文还将该自适应模型在带有二维随机参数的扩散方程上进行测试,结果表明所提出的自适应选点策略有效,模型的预测准确度随着训练数据的增加而迅速提高,最终只需要40个训练数据即可在测试数据集上达到要求的精度.     

基于深度学习的滑坡监测与早期预警方法研究

研究的浅层滑坡成灾机理及成灾模式分析、面向大数据分析的空间多源数据获取及融合、基于深度卷积神经网络模型的滑坡演变过程模拟、滑坡演化的定量评估模型和早期预警系统建设等4个有机部分,构成了一个从理论到方法再到应用的相对完整的技术主线。其中对浅层滑坡成灾机理及成灾模式分析为后三者的提供理论指导,面向大数据分析的空间多源数据获取及融合是基于深度卷积神经网络模型的滑坡演变过程模拟的数据基础,滑坡演化的定量评估模型和早期预警系统建设为技术路线的实现、验证与应用部分。     

改进Markov过程的异构无线网络垂直切换算法

针对当前异构无线网络垂直切换算法存在切换次数多, 服务质量难以满足实际应用需要的问题, 以获得更优的异构无线网络服务质量为目标, 提出一种基于改进Markov过程的异构无线网络垂直切换算法. 首先, 建立异构无线网络整体性能评价指标体系, 然后采用灰色关联分析法确定网络整体性能评价指标的权重值, 最后利用Markov决策过程对异构无线网络的状态进行预测, 选择最优的接入网络, 并通过异构无线网络垂直切换的仿真对比实验测试和分析其性能. 实验结果表明, 相对其他异构无线网络垂直切换算法, 该算法可降低平均切换次数, 避免了频繁切换现象的发生, 大幅度减少了网络数据传输的丢包率, 改善了用户满意度, 获得了更高的服务质量.