面向球头铣刀多轴铣削加工的铣削力系数辨识

提出了一种适用于球头铣刀多轴铣削加工的铣削力系数辨识方法.首先,将剪切力系数考虑为轴向位置角κ的多项式函数,推导了基于平均铣削力的铣削力系数辨识模型.然后,设计了多组刀具轴线与工件表面夹角不同的槽切铣削实验来实现铣削力系数辨识,以保证通过实验辨识得到的铣削力系数包含了球头铣刀不同姿态切削对铣削力的影响因素.最后,通过实验验证了该方法的正确性和可靠性.实验结果表明,该辨识方法相比于基于瞬时铣削力的辨识方法具有更好的抗干扰能力和更高的辨识精度,适用于球头铣刀多轴铣削加工的铣削力预测.     

确定性多变量非线性系统的在线修正参数预测滤波PID控制

针对确定性多变量NARMAX模型,分析了其可采用PID控制的约束条件。提出一种增量型预测滤波解耦PID控制算法,基于递推参数估计算法对系统模型进行参数估计,采用逐步迭代预报算法进行预测,结合一种可克服算法病态的直接极小化指标函数的自适应控制算法和Robbins-Monro算法,给出了确定性多变量NARMAX模型的具有在线修正参数的预测滤波PID控制算法,因指标函数中含有输出的预测值,故算法具有加快PID控制参数收敛到有效值速度的性能。仿真研究表明,因为所提出的PID算法具有在线修正参数和预测控制的性能,故系统具有较好的控制品质。     

基于卷积图神经网络的多粒度表示学习框架

卷积图神经网络（Convolutional Graph Neural Network,ConvGNN）以其强大的表达能力被广泛应用于社交网络、生物网络等领域的网络表示学习中，多粒度网络表示学习已被证明能够改善已有网络嵌入方法的性能，但目前尚缺乏以改善ConvGNN性能为目标的框架.针对此问题，提出一种基于ConvGNN的多粒度网络表示学习框架M-NRL，分为四个模块：粒化模块、训练模块、推理模块和融合模块.粒化模块构造从细到粗的多粒度网络并保留不同粒度节点的属性和标签信息，训练模块在最粗粒度的网络上以端到端的方法训练任意一种ConvGNN并优化其模型参数，推理模块使用优化后的ConvGNN推理出不同粒度网络的节点表示，融合模块采用注意力权重聚合不同粒度的节点表示以产生最终的节点表示.在四个公开引文网络数据集上进行的半监督节点分类任务验证了M-NRL的有效性，实验结果表明，MNRL不仅能加速现有ConvGNN的训练，还可以增强其最终的表示质量.     

海滨寻贝 探索与发现的游戏

正也许很多人觉得,在海边俯身便可捡到贝壳。事实上,一些观赏价值高的海贝,你可能无缘见到;就算偶尔碰到,也可能因不了解而有眼不识宝贝。这次,就让我们一起来探索、发现那些藏身于海滩的美丽精灵。出发前的准备出发前的准备可不能小瞧,天时地利都占据了,你才有可能跟美丽的贝壳们碰上面。当然,自己也要装备齐全,要想在岩石、沙堆等地方找到贝壳们,需要借助一些特殊工具。     

高速移动荷载作用下板式轨道混凝土应变速率研究

基于有限元理论,运用ANSYS软件,建立路基及桥上板式无砟轨道的动力有限元模型,计算不同荷载工况下板式轨道的混凝土应变速率。结果表明:随着列车速度的提高,板式轨道混凝土应变速率逐渐增大。路基上板式轨道的混凝土应变速率较桥梁上的板式轨道混凝土应变速率大。多个移动荷载作用下板式轨道混凝土应变速率较单个移动荷载大,板式轨道混凝土应变速率在10-4~10-2 s-1处于动态性能范畴。     

投稿简则

<正>《太原师范学院学报(自然科学版)》是由太原师范学院主办,国内公开发行的自然科学综合性学术期刊,主要刊登反映自然科学领域的理论和应用研究成果的学术论文。立足于大学学报的高品位起点,以传播学术精品为己任,以弘扬学术精神为高标,促进校内外自然科学学术交流。在组稿中注重基金项目和重大选题,鼓励新兴学科和交叉学科研究,努力反映学科前沿的学术动态,欢迎各高校师生、科研工     

大型矿区资源开采规划模型的建立及其应用

针对某大型金属矿区面临大规模高强度开采的工程实际,为了稳定矿区平均出矿品位,更合理地开采回收资源,提出一种可靠的多目标资源开采规划模型。在分析矿山现有资源情况的基础上,采用多目标资源开采规划模型规划矿区各个区段合理的产能以及各个中段合理开采规模。在此基础上,运用数值计算软件MATLAB计算模型结果。结果表明:制定大型矿区资源开采规划时,运用多目标资源开采规划模型能够获得有效的规划方案,采用提出的方法确定的开采规划方案符合矿山实际,具有较高的可靠性。     

软对策论在我国产学研多agent合作中的应用

实行产学研合作是我国经济科技发展的重要战略方针之一。实践表明,产学研合作是一个多方受益的合作,可以实现科学研究、工程设计和工业生产的有效结合。在我国的产学研合作中,合作各方存在着冲突与协作,并进行互动与协商。软对策论侧重于研究博弈游戏开始前的冲突可能发生的变化,因此,将软对策论应用到产学研合作中,具有重要的理论与现实意义。文章对产学研主体、可选方案与立场进行了界定,应用软对策论建立了我国产学研多agent合作可选方案、立场与得益的仿真模型,可对各方将采取的行动进行预测,为现实中产学研合作各方更合理决策提供有价值的参考。     

非线性系统的自适应输出反馈优化跟踪控制

针对只有输出信号可测且不可测状态与未知非线性函数相关,同时还受到外部扰动的非线性系统,提出了一种自适应神经网络动态面优化控制方法,旨在解决该类非线性系统的输出反馈跟踪问题。首先,构建了基于径向基函数神经网络的状态观测器,保证其观测误差可渐进收敛至0;其次,利用动态面技术设计了自适应输出反馈控制律;最后,利用最速下降法选取了最优控制参数,优化了控制输入和跟踪性能,减轻了控制参数整定的工作量。该方法能够保证闭环系统所有信号半全局一致有界,而且通过引入性能函数和跟踪误差转换,保证系统输出具有指定的跟踪性能,改善了控制系统的过渡性质。仿真结果表明:设计的状态观测器较准确地实现了对系统信号的估计,跟踪误差信号幅值始终不超过0.02,控制参数优化后的输入信号幅值明显减小,验证了该控制方法的有效性。     

互联网能耗和性能优化的权衡模型

互联网能耗和性能互为矛盾已经成为网络研究人员的广泛共识. 目前的研究方法通常仅将其中一个方面作为主要问题，而将另外一方面作为次要问题来解决. 因此，如何将互联网能耗和性能作为同等重要的指标进行协同优化，是本文所要研究的问题. 本文提出了一种通用优化模型来实现减小互联网能耗的同时提升网络性能. 为将其应用于实际，本文通过引入并定义代价函数和功率-带宽函数，将该通用模型具体化为一个线性规划模型. 评估结果显示，该线性规划模型的最优解能够同时降低网络的最大链路利用率和能耗，并且使得这两者中的每一个指标均近似于对其进行单一优化的模型的最优解，从而实现了对网络能耗和性能的协同优化. 与当前互联网相比，在最大链路利用率方面，本文所提出模型的最优解最多可将其减小60.6%，最少减小45.8%；在能耗方面，该模型的最优解最多可将其减小83.3%，最少减小56.7%.