基于深度极限学习机的柴油机尾气排放预测

准确预测拖拉机等柴油机械实际工况污染物排放在排放清单建立和区域污染物排放控制方面具有重要意义。基于拖拉机不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NOX和PM等实测数据作为数据源,建立深度极限学习机(Deep Extreme Learning Machine,DELM）的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。为进一步评估DELM预测模型的适应性,将其与支持向量机(support vector machine, SVM)和前馈神经网络(Back propagation neural network, BPNN)模型进行对比分析。结果表明,1）DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NOX、HC、CO和PM排放均方根误差均值分别为5.269×10-5、5.195×10-5、5.135×10-5和2.795×10-5。2）DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。3）DELM方法的较高的准确度和泛化性,为基于发动机状态数据预测移动源尾气排放提供思路和方法。     

基于深度学习的含未知复合故障多传感器信号故障诊断

深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络（CNN,convolution neural networks）和长短时记忆网络（LSTM,long short-term memory networks）就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM （fuzzy C-means）模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。     

一种元卷积网络和持续学习融合的洞库类目标识别方法

洞库类目标是高价值识别目标,针对洞库类目标样本数据难以获得、样本内部数据相似度较高、人工设计识别特征方法局限性较大、普通深度网络需要海量数据等问题,提出了结合元学习和深度卷积网络的元-卷积网络（MCNN）,并融合持续学习理论的洞库类目标识别方法（MCNN-LLS）.首先结合深度卷积网络、元学习的理论建立元-卷积网络,该网络可利用旧知识指导新知识的训练,利用小样本数据即可训练得到识别能力较高的深度洞库模型;然后融合持续学习理论,建立持续学习系统（LLS）,设计专家审核模型判别深度洞库模型的识别结果,并引入潜在任务、模型异步更新等方法,达到模型持续学习、持续更新的效果.实验表明,本文方法所需样本数量少,对洞库类目标识别准确率高,且识别能力可随识别过程中新数据的积累逐步提高.      

具有任意有界丢包的网络控制系统的预测控制

针对离散时间线性系统,研究了从传感器到控制器、从控制器到执行器都存在任意有界数据丢包时的网络控制系统的镇定问题。通过建立包含丢包所有可能性的扩展状态空间模型,将具有数据丢包的网络控制系统的镇定问题转化为同时镇定一系列模型的鲁棒控制问题。采用公共Lyapunov方法论证闭环系统的稳定性。通过将无穷时域控制作用参数化为一个自由控制作用加一个状态反馈控制律,提出了一种新的网络预测控制器设计方法。仿真实例说明了新方法的有效性。     

基于状态多时延模型的NCS鲁棒H_∞容错控制

针对一类具有时变时延和丢包的网络化控制系统,同时考虑模型参数不确定性和外界扰动的影响,基于一种状态多时延模型,以时滞依赖的方法,推证出了确保闭环系统在执行器或传感器发生失效故障时具有鲁棒H∞完整性的判据,并以求解线性或非线性矩阵不等式的方式,给出了鲁棒H∞容错控制器的设计方法。由于模型中考虑了时延下界,且证明过程未进行模型转换和交叉项放大处理,其结果具有较少保守性。最后以一仿真示例验证了所述方法的有效性。     

基于三重注意力机制的新冠肺炎病灶分割模型

为了解决感染区域比正常组织对比度低的问题,提出了一种基于三重注意力机制(triple attention mechanism,TAM)的新冠肺炎(corona virus disease 2019,COVID 19)病灶分割模型——TM-Net,并将其应用于条件生成对抗网络.MultiConv模块可以自动提取肺部切片中...     

板料拉深成形液压机压边力智能控制系统的实现

针对板料拉深成形液压机压边力控制系统中,传统控制方式完全依赖于系统建立精确的数学模型,无法满足控制要求,提出了将常规PID控制和模糊控制相结合的方法,设计出两输入三输出的模糊PID控制系统.通过Matlab/Simulink仿真,结果表明模糊PID控制能减小系统的超调,提高快速性,在改善系统的稳态性、动态性和鲁棒性方面发挥了较好的作用.     

下穿高架桥的地铁基坑监测及分析

介绍了无锡地铁1号线金城路站基坑围护设计、监测方案,分析了监测数据,得出了下穿高架桥段基坑开挖过程中桩体的变形、基坑周边地表沉降、支撑轴力、临时立柱及高架桥墩竖向位移的变化规律：桩体变形呈“大肚状”,最大深层水平位移出现在坑底浇筑完毕时;地表沉降变化受开挖速度和支撑架设影响,最大变化量发生在距离开挖深度的0．6倍左右处;支撑体系有足够的安全储备且偏于保守．由监测结果可知,围护、监测方案可行,确保了基坑工程及高架桥的安全．     

孔喉尺度弹性微球的深部调驱性能*

针对油田注水开发存在的问题及弹性微球调驱应用现状,利用激光粒度分析仪分析了弹性微球的粒径分布;利用填砂管岩芯（单管、长管、非均质双管、非均质三管）驱替实验,研究了弹性微球的封堵特性、运移能力、分流特性、驱油性能及聚驱后的深部调驱性能。结果表明,弹性微球粒径具有单峰分布特征,服从威布尔分布;弹性微球可在岩芯中不断运移和封堵,具有良好的深部调驱性能;弹性微球可选择性封堵高渗层,用于非均质岩芯调驱分别提高采收率16.11%（低渗管）、11.28%（中渗管）和5.02%（高渗管）,说明弹性微球可改善中低渗层及高渗层中低渗区的波及状况和驱替效果,有效提高采收率;聚驱后弹性微球调驱比单一聚驱提高采收率5.73%,具有良好的聚驱后深部调驱效果。     

基于利益机制的校企深度合作研究

高职校企合作已经取得一定的成效,但是就目前的发展状况来看,校企合作从深度和广度上来说都到了一个瓶颈阶段,究其原因在于,参与各方缺乏一个有效的利益约束和激励机制。因此,明确参与各方的责权利,以利益共同体为研究视角,对于深化校企合作有重要的意义。