协同仿真技术在行星框架动态优化中的应用研究

行星框架作为行星传动机构的重要零部件,在设计时依然采用传统静强度设计理论,不能充分反映动载荷工况下的动态特征,导致工作过程中发生裂纹、突然断裂的现象,严重影响了行星传动机构的可靠性,给维修和保障带来很大的困难。因此对行星框架进行动态优化设计具有十分重要的意义。以行星轮数目为设计变量,采用基于接口的协同仿真技术作为求解工具,对某任务剖面下的行星框架进行动态结构优化,完善了行星传动设计方法,为设计部门提供有关寿命预测的参考数据。     

基于BiLSTM-Attention的电商评论情感分析

为了更加准确的对电商评论中的文本信息进行情感分析,提出了一种融合注意力机制与双向长短期神经网络(LSTM)的混合模型结构。首先,利用长短期记忆神经网络对于时序序列结构的分析,充分挖掘句子中的潜在信息,有效克服长期遗忘的问题,然后通过注意力机制的使用能够对句子中不同特征分配权重,对于句子中倾向于用户情感的特征信息进行关注,有效改善识别效率。通过在有标签的京东某手机评论数据集上的实验,表明该方法在该领域具有良好的性能。     

基于接口的协同仿真在武器系统中的应用研究

静强度设计理论由于不能反映实际任务剖面所承受的交变动载荷,因此具有在很大的局限性,且由于一些武器系统装备时间短,许多零部件没有达到寿命周期,故对其进行可靠性研究及剩余寿命预测有很大的困难。将基于接口的协同仿真与武器系统进行有机结合,对武器系统在不同任务剖面下进行行驶仿真试验,在此基础上对动载荷情况下各零部件其进行寿命预测及结构优化方面的研究。用实例证明了此方法的可行性。基于接口的多领域协同仿真在武器系统中的应用研究,不仅解决了由于武器系统装备时间短、任务剖面复杂而导致技术难题,还紧密的与工程应用相联系,有很重要的实用意义。     

基于灰狼算法SVR的烧结矿FeO含量预测

烧结是高炉炼铁的重要环节之一,其中烧结矿FeO的含量对高炉的使用寿命,烧结的原料成本都有重要影响。为了提高烧结矿FeO预测的准确度,提出了一种基于灰狼算法支持向量机回归(GWO-SVR)的烧结矿FeO含量预测模型,利用原料使用数据对烧结矿中FeO含量进行预测,为烧结过程提供理论依据。将98个原料样本数据和烧结矿FeO含量数据进行预处理,选取79个样本作为训练集,19个样本作为测试集,分别建立烧结矿FeO支持向量回归模型(SVR),GA-SVR模型,PSO-SVR模型和GWO-SVR模型,采用决定系数(R2),均方误差(MSE)和绝对平均误差(MAPE)作为模型的对比标准。结果表明,GWO-SVR算法预测精度高、误差小,耗时较短,使用灰狼算法优化支持向量机回归对烧结矿FeO含量预测分析合理、高效。     

地质数据的神经网络聚类分析

jj提出用发现聚类结构的神经网络对地质数据进行聚类分析.基于神经网络的聚类分析方法通用性强.运算速度快,为地质数据的聚类分析提供了新方法.