并行分布环境下的黑板模型

黑板模型支持并行性,它是分布式和并行编程可用的强有力的模型之一.在一个需要并行性和分布式编程的系统中,黑板模型有助于组织和概念化并发性及通信.本文着重分析了黑板模型的结构、构造方法、控制策略.基于CORBA(Common Object Request Broker Architecture)对象和全局对象研究了黑板和知识库的实现.最后,通过一个具体实例的实现方法和过程,说明了黑板模型解决分布式和并行编程问题的可行性.     

一种基于区间值Pythagorean三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性,提出了区间值勾股三角模糊语言集(intervalvalued pythagorean triangular fuzzy linguistic set,IVPTrFLS),并研究了区间值勾股三角模糊语言变量(IVPTrFL variable,IVPTrFLV)相关的基本理论.同时,针对...     

基于SBM模型的环境效率评价

伴随企业产品的生产,一些有害副产品也随之被生产出来,传统的DEA效率评价模型和研究文献均没有考虑这些副产品,因此评价结果并不能正确地衡量企业的技术效率水平;文章比较了非期望产出处理的相关DEA模型的优缺点,引入了一个非径向和非角度的SBM模型处理非期望产出问题,并对43家企业进行了环境效率的实证分析.     

汽车起步颤振动力学问题研究综述

归纳总结了汽车起步颤振动力学问题的研究现状和发展趋势。首先,以整车动力传动系统模型作为问题现象再现的仿真平台,着重论述与起步工况密切相关的部件,包括离合器操纵特性、摩擦特性和发动机瞬态扭矩等。然后,针对汽车起步颤振问题,从试验研究、产生机理、抑制措施3个方面讨论了起步颤振动力学问题研究内容和方法。最后,在已有研究成果及其不足的基础上,指出了汽车起步颤振问题的研究重点和难点,为进一步研究提供参考和建议。     

液压机械传动装置模式切换滚动协调控制

为提高液压机械传动装置(HMT)模式切换过程稳定性,提出了一种HMT模式切换滚动协调控制方法。该方法通过对HMT模式切换原理分析和切换过程模型建立,制定了基于模型预测控制的模式切换机构转矩和液压调速系统排量比调节的滚动协调控制策略;以减小HMT输出转速误差和车辆冲击度为目标,设计了具有状态约束的滚动协调控制器。仿真和试验结果表明,与未采用滚动协调控制方法相比,该方法可减小模式切换过程输出转矩、转速波动,动载荷降低32.9%,冲击度减小37.31%,模式切换时间减少0.28s,且排量比调节使得模式切换前后稳定输出转速基本保持一致,对模式切换过程有较好的控制效果,切换品质得到较大提高。研究结果对液压机械传动装置的实际工程应用具有一定的参考价值。     

面向双关节机械臂的参数可调RBF神经网络控制

为解决双关节机械臂轨迹控制中误差逼近过程初始误差大、达到稳态所需时间较长的问题,提出了一种面向双关节机械臂的新型参数可调径向基(RBF)神经网络控制方法。首先,利用梯度下降法对RBF神经网络中心参数进行迭代修正,该参数可以根据机械臂的实时误差进行调整,实现中心参数的在线优化;进一步,提出了一种输入边界可以调整的模糊补偿器,该补偿器通过测量机械臂轨迹误差及误差的导数,经过模糊推理后将补偿器输出传递给转矩控制模块,从而使机械臂的输出转矩更接近理想值;最后,采用遗传算法对RBF神经网络函数宽度值进行了寻优。仿真结果表明,采用参数可调的RBF神经网络控制方法对机械臂控制力矩进行调整后,机械臂控制过程中的精确度提高了59%,并且将机械臂轨迹跟踪的稳定时间缩短了69%。     

一种高计算收敛性的粗糙曲面三维形貌模型

针对现有机械加工面三维形貌模型不能有效反映曲面宏观与微观综合特征以及在接触、润滑等分析时计算收敛性差等问题,提出了一种计算收敛性较好的曲面三维形貌模型。基于微分几何理论,采用矢量函数表征曲面的轮廓尺寸以及曲率等宏观特征;基于分形理论,采用Weierstrass-Mandelbrot(W-M)函数表征微凸体高度与分布以及纹理方向等微观特征,将矢量函数与W-M函数叠加,构建了曲面的三维形貌模型。为解决计算收敛性问题,通过滤波对粗糙表面进行平滑处理,在保留原有表面形貌特征前提下获得了连续可导粗糙表面,通过弹流润滑分析进行对比可知,滤波后的模型计算收敛性提升明显。应用Matlab对构建的三维粗糙面进行仿真,验证了模型对粗糙曲面形貌的有效表征能力。为检验模型的应用性,以RV减速器中的关键零件摆线轮为例,构建了摆线轮轮齿的齿面模型,模型能完整反映摆线轮轮齿的宏观轮廓与微观形貌,将得到的摆线轮齿形貌模型应用到混合润滑分析中,得到的分析结果与采用试验采集的粗糙面的分析结果一致,关键参数误差不高于3%,但计算时间大幅缩短,计算效率提升55.7%。调整粗糙曲面模型参数,可以快速得到不同的粗糙面参与相关的分...     

基于双编码器的会话型推荐模型

针对现有会话型推荐模型难以准确捕获物品间全局依赖的问题,提出了一种基于双编码器的会话型推荐模型(SR-BE)。该双编码器由基于自注意力网络的全局编码器和基于图神经网络的局部编码器组成,无论被浏览物品之间的时间间隔长还是短,全局编码器都能够利用注意力机制自适应地捕获被浏览物品之间的全局依赖,并将其编码为全局隐向量。为弥补自注意力网络没有结构信息而难以捕获邻近物品间局部依赖的不足,在局部编码器中,首先将会话序列构建成会话图,然后通过图神经网络在会话图上捕获邻近物品间的局部依赖,并将其编码为局部隐向量。最后将从双编码器得到的全局隐向量和局部隐向量线性组合为会话表示,再通过预测层解码会话表示得到每个候选物品被点击的概率。实验结果表明:将基于自注意力网络的全局编码器与基于图神经网络的局部编码器结合在一起,比单一地使用全局编码器或局部编码器在命中率上分别提高了3.11%和6.55%。通过与同类模型客观定量比较,SR-BE模型在两个公开数据集上取得了突出的效果,表明该模型有效、可行。