不良气象微环境下桥塔横梁覆冰灾害过程模拟

冬季桥塔横梁坠冰是威胁桥梁交通安全的重大隐患之一,系统分析不良气象微环境下横梁覆冰灾害过程机制,是保证桥梁交通安全的迫切需求。本文依托FLUENT与FENSAP-ICE软件建立了桥塔横梁覆冰数值仿真模型,探讨了风速、液态水含量和环境温度等微气象参数对桥塔横梁覆冰灾害演化过程的影响规律。结果表明：本文提出的数值仿真方法在明冰及霜冰条件下均具有较高的可行性与准确性;对武汉长江二桥桥塔横梁结冰数值模拟发现,覆冰区域集中分布于横梁迎风侧前缘及上下边缘,整体呈现出“U”型分布特征,是横梁防冰、除冰的重点区域;不良气象微环境是影响横梁结冰形态、分布及覆冰量的重要因素,覆冰形状受风速、液态含水量影响较大,受温度影响较小。     

不同来源尾巨桉苗木造林生长的比较研究

为明确不同来源良种尾巨桉(Eucalyptus urophylla×E.grandis)无性系DH32-29苗木造林后幼龄阶段(1-3 a)的生长差异,为优质苗木的选择和提质增产增效提供理论依据,本研究以来源清楚的尾巨桉无性系DH32-29苗木(BG)和来源不清的尾巨桉无性系DH32-29苗木(NBG)造林林分为研究对象,比较研究广西西北部、中部及南部3个区域不同苗木造林林分的胸径、树高、生物量、碳储量及生产力的差异性。结果表明：林龄为2、3 a时,尾巨桉BG林分的平均胸径、单株生物量、单株碳储量及单株生产力均显著高于NBG林分(P＜0.05);BG林分乔木层生物量、碳储量及生产力整体高于NBG林分,在林龄为1 a时差异较小,林龄为2 a生时差异增大,但未达显著水平(P＞0.05),林龄为3 a生时差异达极显著水平(P＜0.01)。因此,采用来源清楚的优质苗木造林增产效果更明显。     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

基于ADAMS.LifeMOD的人体头颈部动力学仿真与验证

基于多刚体动力学软件ADAMS和生物力学仿真软件LifeMOD,建立了一个人体头颈部三维多刚体动力学模型。该模型包括颅骨、颈椎骨、肩胛骨、躯干上段以及体现粘弹性性质的肌肉组织。采用美国海军力学实验室的前碰撞志愿者实验数据对模型进行了验证。验证结果表明,该模型具有很好的可信度,可以用来研究在碰撞条件下头颈部的动力学响应特性。     

空投设备缓冲气囊的优化设计

利用LS-DYNA对缓冲空投设备的气囊进行仿真计算,模拟其缓冲过程。同时利用遗传算法对气囊的排气孔面积、初始充气压力和排气压力进行优化。优化后的结果对空投实验具有很好的指导意义,可以减少气囊设计实验次数从而降低实验的成本。     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

基于Bayes近似限法的串联系统置信区间的求解

运用基于Bayes的方法对红外空空导弹进行抗干扰性能评估时,只能分别得到导引头和导弹控制系统的抗干扰概率P<,g>、P<,c>及其置信区间,而难以求出导弹复杂系统的抗干扰概率在一定的置信度下的置信区间.针对该问题,提出用Bayes近似限的方法拟合导弹导引头、控制系统的整个串联系统的抗干扰概率的分布,得出该复杂系统的置信度为y的近似置信区间的求解公式,并给出导弹串联系统数字仿真中抗干扰概率的置信区间的求解实例,对该求解方法的正确性进行了验证.     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。     

Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.