一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点，设计了一种改进的遗传算法，对算法的编码方式和解码规则，适值函数，遗传算法、初始种群的产生方法进行了详细的说明，利用被普遍应用的标准问题对该算法进行了大量的测试，分析了算法参数和问题参数对算法效果的影响，取得了令人满意的结果。     

回转式电火花展成加工的计算机仿真

介绍了回转式电火花展成加工的原理及特点，并对该加工方法的成形运动进行较深入的分析，给出了在Delphi6环境中实现加工过程的计算机仿真。     

逆包络法及其应用

逆包络是指已知包络面(线)方程，而要求形成该包络的曲面族中一个曲面(线)的问题，本文集中介绍了求解逆包络问题的7种方法，并介绍他们各自的应用和当注意的问题．     

纳米光纤与光孤子通信探讨

在普通光纤光孤子传输的行为基础上,提出纳米光纤概念,讨论利用纳米光纤的强三阶光学非线性建立的全新光孤子光通信系统 分析纳米光纤量子点的制备和纳米光纤的形成机制     

总弯沉比及其在机场刚性道面板底脱空判定中的适用性

提出了一种板底脱空判定弯沉指标——总弯沉比（R_TD）,分析了其理论特征;为探究R_TD在机场刚性道面板底脱空判定中的适用性,基于Abaqus有限元软件建模,以弯沉比和截距为对比对象,计算分析了道面结构参数、接缝传荷能力和脱空参数等对指标的影响。结果表明：相比弯沉比和截距,R_TD与道面结构参数相关性更高,可据此建立相对精确的判定标准;此外,R_TD在对脱空参数敏感的同时可避免接缝传荷能力与板底脱空的耦合影响。综合而言,R_TD在机场刚性道面板底脱空判定中具有更好的适应性。     

基于残差卷积自注意力神经网络的铝电解过热度识别方法

过热度是反映铝电解槽当前生产效率的重要指标,由于过热度难以在线实时测量,本文提出一种基于残差卷积自注意力神经网络的过热度识别方法.针对铝电解生产过程数据为时间序列数据且具有多源异构特性,设计异构数据的同构表示方法.在此基础上建立残差卷积自注意力神经网络模型以提取同构时间序列数据的全局与局部特征.针对过热度数据标签少且类别分布不均匀问题,采用基于自动编码器的无监督预训练方法与加权交叉熵损失函数以提高过热度识别任务的性能.在基准数据集上进行仿真对比实验以验证本文所提方法的有效性,然后在只包含少量不平衡标签的铝电解过热度数据集上进行实验验证,结果表明本文构建的过热度识别模型相较与其他现有模型不仅提高了过热度识别准确率,而且在训练样本较少时保证了模型的泛化能力.     

具有不定位势Kirchhoff型Schrödinger-Bopp-Podolsky系统解的存在性

研究Kirchhoff型Schrödinger-Bopp-Podolsky系统,考虑位势函数V不定的情况。此时Schrödinger算子-Δ+V具有有限维负空间。利用Morse理论,得到Kirchhoff型Schrödinger-Bopp-Podolsky系统非平凡解的存在性。     

建设项目随机离散型工期-成本优化算法的改进

针对建设项目随机离散型工期-成本优化问题的求解,一般采用遗传算法为外循环、蒙特卡罗模拟算法为内循环的双层循环算法框架. 为减少内层循环中按期完工概率约束条件检验所耗费的计算资源,根据按期完工概率估计值（采用蒙特卡罗模拟方法）的概率特性,提出一种计算资源的高效、动态分配策略,以提升现有算法的计算效率. 通过算例验证,本文建议的改进优化算法可高效、稳定地求解建设项目随机离散型工期-成本优化问题.     

黏弹性基体中FG-CNTRCs圆柱壳热振动特性分析

建立了考虑碳纳米管（Carbon Nanotubes,CNTs）尺度效应的宏观功能梯度碳纳米管增强复合材料（Functionally Graded Carbon Nanotubes Reinforced Composites,FG-CNTRCs）圆柱壳自由振动特性的理论模型. 综合考虑CNTs的取向和尺度效应,基于Eshelby-Mori-Tanaka（EMT）方法和非局部理论建立了宏观CNTRCs的非局部EMT本构模型. 基于Kirchhoff-Love圆柱壳假设,采用Hamilton原理推导了热环境中visco-Pasternak基体中FG-CNTRCs圆柱壳的自由振动控制方程,利用Navier法得到两端简支圆柱壳的固有频率,并与文献中结果进行对比,验证了模型和方法的正确性. 分析了非局部参数、CNTs的体积分数和分布方式、圆柱壳的长厚比、环境温度以及地基参数等对简支FG-CNTRCs圆柱壳自由振动特性的影响. 研究发现,考虑CNTs的尺度效应后会降低FG-CNTRCs圆柱壳的抗弯刚度,环境温度对简支FG-X-CNTRCs圆柱壳固有频率虚部的影响随CNTs体积分数的增大而增大,且长厚比和地基的阻尼参数对虚部的影响有耦合作用.     

基于改进I-Attention U-Net的锌浮选泡沫图像分割算法

针对泡沫图像的高度复杂性导致其难以被准确分割的难题,本文提出了一种新的I-Attention U-Net网络用于泡沫图像分割.该算法以U-Net网络作为主干网络,使用Inception模块替换第一卷积池化层来提取泡沫图像的多尺度、多层次浅层特征信息;引入金字塔池化模块,通过对不同尺度的特征图求和来提升分割效果;并对自注意力门控单元进行改进,使注意力单元更适合于浮选泡沫图像的分割,强化深层特征的重要性并对不同尺寸的泡沫边界进行强化学习.研究结果表明：本文所提出算法的Jaccard系数为91.73%,Dice系数为95.66%.与同类其他分割算法结果相比,Jaccard系数及Dice系数分别提高了1.59%、0.88%.该模型能够较好地对锌浮选泡沫图像进行分割,解决欠分割与过分割的问题,为后续的泡沫特征提取奠定基础.此外,该方法检测时间和模型参数少,具备可以部署在工业现场计算机的能力,有一定的实际应用价值.