基于刀具磨损状态识别的加工参数多目标优化

在数控铣削过程中,刀具磨损对机床主轴能耗影响很大,同时与刀具加工能力直接相关,需适时调整加工参数以适应不同磨损状态,保证多目标综合最优.针对此问题,基于刀具磨损状态识别,根据不同磨损时期给出相应的加工参数优化策略.首先,以刀具寿命周期内的主轴功率为基础,采用粒子群优化算法(particle swarm optimization,PSO)建立考虑刀具磨损的能耗模型,平均误差低于5%,并基于与刀具磨损的强相关性,以主轴功率作为单一指标识别刀具磨损状态.进一步,为获取影响加工成本的动态性指标——刀具剩余使用寿命(remaining useful life,RUL)及相应的主轴功率,利用人工神经网络(artificial neural network,ANN)建立刀具磨损退化模型,通过描述主轴功率随时间的变化来隐含退化过程,该模型拟合度达0.992.最终,综合考虑能耗、刀具及时间成本,设计多目标优化函数,并通过遗传算法(genetic algorithm,GA)搜索函数最小值,给出不同磨损时期的最优加工参数及优化策略.此加工参数多目标优化融入了主轴功率与刀具RUL等动态指标,可依据主轴功率在线...     

部件寿命服从威布尔分布时典型系统的寿命与剩余寿命估计

在实际工程中,对系统寿命以及剩余寿命的估计非常重要。在已知系统中部件寿命与可靠度的前提下,关于如何快速得到系统级寿命与剩余寿命的相关研究比较缺乏。针对这一问题,首先研究了可靠度、寿命以及剩余寿命的关系,进一步假设部件寿命服从同一威布尔分布,根据部件的寿命与可靠度函数,推导得到串联、并联和表决系统寿命与剩余寿命期望的封闭表达式,并给出了相应的计算方法。对于冷备系统,当部件寿命服从同一指数分布时,推得了系统寿命及剩余寿命期望的封闭表达式,而当部件寿命服从同一威布尔分布时,给出了系统寿命与剩余寿命的数值计算方法。仿真试验证明本文所提出的方法是准确高效的。最后,以卫星中的动量轮r/n(G)表决系统为例开展了实例研究,证明了该方法在工程实践中的有效性。     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

油气管道剩余强度评价方法适用性研究

利用ASME B31G Modified评价准则、BS7910评价准则、SHELL92评价准则、DNV RP F101评价准则、PCORRC评价准则这五种剩余强度评价准则对不同钢级油气管道进行剩余强度的计算,并与爆破压力进行对比分析,考察其保守性和准确性.结果表明:随着缺陷深度和缺陷长度的增加,预测剩余强度呈减小的趋势,缺陷长度出现临界值;随着钢材强度的增加,用不同方法计算的流变应力之间的差值逐渐减小;ASME B31G Modified评价准则适合于低强度钢的安全评定,PCORRC评价准则适合于中强度钢的安全评定,SHELL92评价准则适合于高强度钢的安全评定;DNV RP F101评价准则绝对误差平均值和相对误差平均值最小,SHELL92评价准则绝对误差平均值和相对误差平均值最大.所得结论对于油气管道剩余强度预测有一定的参考意义.     

关于Smarandache平方补函数有关的问题

目的研究与Smardache平方补函数相关的若干问题。方法主要利用Smarandache平方补函数的性质。结果回答了Russo提出的相关问题,并相应的给予了证明。结论解决了Russo提出的6个问题。     

一种(71,36,11) QR码的快速代数译码算法

在平方剩余(quadratic residue,QR)码的译码过程中,当接收码字中出现的错误个数较多时,未知校正子的计算非常困难,计算量与复杂度都很高,因此增加了解码过程所需要的时间.鉴于此,在(71,36,11)QR码的错误模式权重为4时,通过对牛顿恒等式的数学推导,在不需要计算未知校正子的情况下,导出了其错误位置多项式的系数,简化了(71,36,11)QR码中出现4个错误时的判断条件,并对所有可纠错的错误图案进行了穷举验证.仿真结果表明,提出的算法在解4个错与5个错时,分别提高了56.12％与18.19％的解码效率,验证了算法的正确性与有效性.     

全要素生产率分析新方法:F(a)re-Primont指数

针对全要素生产率现有分析方法中存在的问题,基于全要素生产率的定义,引入F(a)re-Primont 指数,并对其性质和分解进行了介绍.首先,以距离函数为加总函数构造出F(a)re-Primont指数,并证明该指数满足乘法完备性和传递性;其次,结合相关效率概念的经济学内涵,将F(a)re-Primont指数完全分解为技术进步、技术效率变化、规模效率变化与剩余混合效率变化的乘积;最后,利用该指数对我国29个省区2001年～2010年的全要素生产率进行了实证分析.     

厌氧处理结合超声空化高效破解剩余污泥

为了提高超声空化破解剩余污泥的效率,进而提高污泥的可生化性能,提出先进行短时间的厌氧处理,再进行超声空化的破解方案;并对厌氧0~6 d的污泥进行了超声破解实验研究.实验结果显示:随着厌氧时间的增加,污泥自身性质发生较大改变,如化学需氧量(COD)、肽聚糖浓度大幅度增加,p H值明显降低等;对厌氧污泥进行破解,其破解效果优于新鲜污泥:对厌氧6 d的污泥进行破解,其COD浓度是新鲜污泥的99.3倍,是新鲜污泥破解后的9.5倍.厌氧处理可以降低污泥的破解难度,在较大程度上提高超声空化强度,该工艺可以实现高效破解剩余污泥的目的.     

基于动态交通信息的电动车辆剩余里程估计

准确可靠的电动车辆续驶里程估计结果能够为驾驶员安排出行提供依据,提高驾驶员对于电动车辆的驾驶信心。目前剩余里程估计方法往往忽略了交通环境复杂多变的特性,这使得估计结果与车辆实际可达范围存在较大出入。该文提出了基于动态交通信息的电动车辆剩余里程估算方法,利用动态随机路网模型反映交通环境的动态性与随机性,以保证估计结果能够充分考虑到交通环境随时间的变化波动。通过基于随机模拟的遗传算法对电动车辆行驶过程的能量消耗进行估计,并利用随机规划模型分析电动车辆的可达范围。研究结果表明:该期望值模型的估计结果能够有效控制高估与低估比率的幅值,同时相关机会模型的估计结果能够最大限度地抑制高估比例,得到保守的可达范围,因此可最终得到"内圈"与"外圈"的剩余里程估计结果。该剩余里程估计方法充分考虑了交通环境的动态性与随机性,相比于传统的里程估计方法,估计结果更为合理,且估计结果波动降低。