基于COMSOL软件的深埋地下工程围护结构热湿耦合传递模拟

围护结构内的热湿耦合传递是影响地下工程热湿负荷的重要因素,为了研究深埋地下工程中围护结构的热湿行为,通过建立热湿耦合传递模型,以两种衬砌结构为研究对象。在进行热湿传递模拟时,为体现含湿量对材料导热性能和传湿性能的影响,模型中将建筑材料的各项参数均表示为含湿量的函数。利用COMSOL Multiphysics的偏微分方程接口,模拟围护结构的热湿吸放过程,并比较两种衬砌结构的热湿传递规律。模拟结果表明:围护结构的热湿负荷变化略滞后于工程内部空气的温湿度的变化过程;离壁式衬砌结构的热负荷远小于贴壁式衬砌结构;离壁式衬砌中的空气夹层能有效增加围护结构的热阻,但是会降低围护结构的传湿阻力;离壁式衬砌结构和室内空气的传湿量略小于贴壁式衬砌结构,两者相差大约30%;离壁式衬砌更能够减小深埋地下工程的热湿负荷,降低工程能耗水平。     

基于互补型集成经验模态分解和遗传最小二乘支持向量机的交通流量预测模型

交通流是智能交通系统中的关键组成部分,也是交通规划的重要依据。为了提高道路交通流量预测的精确性,提出一种基于互补型集成经验模态分解(complete ensemble empirical mode decomposition,CEEMD)后,采用遗传算法(genetic algorithm,GA)优化参数的最小二乘支持向量机(least square support vector machine,LSSVM)的交通流量预测模型。该模型使用互补型集成经验模态分解原始数据,将分解后的本征模态函数(intrinsic mode function,IMF)分量分别用遗传算法优化参数后的最小二乘支持向量机进行预测,叠加全部IMF分量值作为模型最终的预测结果。通过对美国加利福利亚州某高速公路一个月的交通流量数据进行训练预测,结果表明,该模型平均相对误差仅为6.51%,相较于其他模型拥有更好的预测效果,可为交通流的预测提供一定的参考。     

基于GA-SVM算法永磁同步直线电机变载荷进给位置误差预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。     

强夯机多体系统刚柔耦合动力学仿真与结构优化

针对强夯机满载率高,起重卸载频繁,工作环境恶劣等特点,以某新型强夯机为研究对象,基于多体系统动力学理论,考虑臂架各部件的柔性,建立了强夯机多体系统刚柔耦合动力学模型,通过动态响应仿真与试验对比,研究了整机在典型工况下的动力学特性,得出了臂架关键部件的运动规律及应力结果。借助于刚柔耦合动力学计算结果,根据优化设计理论和方法建立臂架结构优化的数学模型,通过优化计算后的臂架结构应力减少12.48%,最大位移减少15.47%,臂架总质量减少6.52%,强度得以充分发挥,整机各项性能得以改善。     

GA-SVM和神经网络组合模型预测充填钻孔寿命

 充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,因此对矿山充填钻孔使用寿命进行预测十分重要。通过建立支持向量机（SVM）和BP神经网络组合预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为SVM适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型进行预测,并结合BP神经网络进行残差修正,最终得到预测结果。以某矿为例,通过GA得到SVM模型最优参数：适应值（均方误差mse）=0.0111,惩罚系数C=47.0768,核函数参数σ=2.2638。通过优化的SVM模型,对预测集充填钻孔寿命进行预测,经BP神经网络残差修正,预测结果的相对误差均控制在3%左右。对比单一预测模型,组合预测模型预测结果更加理想,精度更高,在类似的预测工程中有良好的推广价值。     

基于SVM的CVE漏洞分类框架构造

针对CVE字典缺少分类和归纳能力,无法为多重系统漏洞设计有效防御策略的局限,提出了CVE分类器的CVE漏洞分类框架.该CVE分类器根据不同的分类特征对CVE进行分类,在支持向量机的帮助下,CVE分类器自动地从相关的漏洞数据库（包括BID,X-Force和Secunia）中抽取训练数据,并基于该训练数据为分类特征建立学习模型.     

基于支持向量机的分布数据挖掘模型DSVM

本文对于基于支持向量机的分布数据挖掘模型的建立分析,是在对于DSVM中特征多叉树概念含义理解的情况下,通过进行基于移动Agent访问分布数据集原理进行特征多叉树构建的方法分析,并对于特征多叉树能够进行分布环境各数据集属性的总体特征反映的特征分析下,最终实现利用这种结构与支持向量机的特点,进行基于支持向量机的分布数据挖掘模型DS-VM的提出与建立。     

金属-有机-金属电激发表面等离激元器件

在p型硅衬底上, 制备了金属-有机-金属(metal-organic-metal, MOM)电激发表面等离激元器件。器件结构是p-Si/Au/V₂O₅/NPB/Alq₃:DCM/Sm/Au, 掺杂DCM的Alq₃为发光层。高倍显微镜下, 器件侧面发光图像显示, 绝大部分光被限制在双金层结构波导中传播。采用微区共焦拉曼光谱仪, 分别测量了侧面出射的非偏振模式、TM模式和TE模式电致发光谱。TM模式强度约为TE模式强度的2倍。分析认为, 具有TM偏振特性的表面等离激元(surface plasmon polariton, SPP)在侧面电致发光中起重要作用。 发光体的能量耗散谱表明SPP模式能量约占总能量65%。利用时域有限差分法(finite-different time-domain, FDTD)对简化结构进行模拟, 得到了泄漏模和SPP模式的二维电场强度分布。     

基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

DF11型机车轮对擦伤故障分析

<正>轮对是机车走行部分的安全关键件,机车的全部重量都通过轮对支承在钢轨上,通过轮对滚动使机车前进。轮对质量直接影响行车的安全性。因此,轮对的损伤应引起足够的重视。一、现状2011年下半年至2012年年初,南车戚墅堰机车有限公司