正则ω~2-半群

正则ω~2-半群可分为有核和无核2种情况.获得了无核的正则ω~2-半群的一个刻画,并给出具有真核的正则ω~2-半群的结构定理以及相应于这一结构的同构定理.     

软锰矿气固流态化两段焙烧制备锰酸钾

针对锰酸钾的制备过程中碱与锰摩尔比和反应温度较高的问题,以低品位软锰矿为原料,采用马弗炉-石英流化床层二段焙烧工艺,制备锰酸钾的过饱和溶液。同时研究流化床中温度对锰转化率影响的动力学方程。研究结果表明:碱与锰摩尔比和流化床焙烧温度对锰转化率影响较大,最佳实验条件是碱与锰摩尔比为3.2:1,马弗炉焙烧时间为1 h,焙烧温度为400℃,流化床焙烧时间为2.5 h,焙烧温度为260℃,水汽流速为120 L/h,水汽温度为70℃;在此条件下,锰的转化率最高,可达94.4%。流化床反应的表观反应活化能为62.605 k J/mol,反应速率受表面化学反应的控制。     

基于多阶段退化建模的谐波减速器实时可靠性评估与寿命预测

谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.     

基于Pearson评价法的室内污染源辨识研究

目的从室内污染物的时空分布特性出发,提出基于Pearson评价法的室内污染源辨识策略,从而快速准确辨识室内污染源.方法以Pearson相关系数作为辨识指标以及得分率作为辨识结果的评价标准,先采用控制变量法对Pearson评价法的辨识有效性进行验证,作为后续研究开展的基础,再基于Pearson相关系数指标,对室内16个不同位置的污染源展开位置辨识.结果最终有15个污染源的位置辨识结果准确;辨识效果与辨识时段的选取有关;在0～200 s的统计区间内,整体辨识效果呈现先升高,后略微下降并趋于稳定的趋势;辨识效果最好的时段出现在τ=80～120 s,此段时间内的平均辨识得分率高达94. 375%;在位置辨识准确的前提下,通过计算线性回归方程的斜率完成了对污染源散发强度的辨识,辨识误差保持在±0. 005 g/s的可控范围内.结论 Pearson评价法可以实现对污染源的位置和散发强度的有效辨识.     

基于多模态融合技术的用户画像方法

针对当前用户画像工作中各模态信息不能被充分利用的问题, 提出一种跨模态学习思想, 设计一种基于多模态融合的用户画像模型。首先利用 Stacking集成方法, 融合多种跨模态学习联合表示网络, 对相应的模型组合进行学习, 然后引入注意力机制, 使得模型能够学习不同模态的表示对预测结果的贡献差异性。改进后的模型具有精心设计的网络结构和目标函数, 能够生成一个由特征级融合和决策级融合组成的联合特征表示, 从而可以合并不同模态的相关特征。在真实数据集上的实验结果表明, 所提模型优于当前最好的基线方法。     

近空间雷达网角度定位算法

研究了一种基于角度信息的近空间雷达网定位算法.首先根据几何关系将目标与各站的关系方程转换成线性方程,并求出带噪声的最小二乘解,然后通过最大似然估计将定位问题转化成无约束极值问题,以最小二乘解为初值,利用DFP算法进行迭代求得更精确的定位解,并给出了求解的详细步骤,最后推导了几何精度因子的表达式,并对算法性能和定位精度进行了仿真分析,证明了算法的有效性.     

生产系统的产品再设计策略

为研究在单一产品生产环境中产品再设计对价值、成本和质量管理有关问题的影响,提出了一个动态规划模型,该模型可以确定企业最优的产品再设计程度和实施再设计的最优时间,这样能使累积的净产品价值最大化．该模型可以使用不同的学习率和不同的成本数据进行计算,最后的结果表明,早期实施最优产品再设计策略提高了产品的累积净价值．     

水利工程渠道滑坡技术分析

水利工程主要是通过渠道和渠系建筑物来完成对于水的输送工作,但是在山区的渠道和渠系建筑物做好防护滑坡的工作是在山区进行渠道施工中的难题,本文将对如何在山区进行防护渠道滑坡施工的要点进行介绍。