基于金属磁记忆的高铁轮对早期故障检测研究

列车安全性检测是铁路机车车辆工程的重要研究课题。轮对是高速列车行走部的关键部件,传统检测模式只能发现宏观存在的缺陷,而不适用于运行过程中的早期缺陷的发现与状态跟踪。为了实现对早期故障的快速识别与轮对寿命预测,针对传统测试方法在早期检测与动态检测方面的不足,提出了全新的动态检测系统,以满足列车运行的安全要求,还对磁记忆信号与该材料所受载荷状态之间的关系进行了大量的试验研究。研究结果表明：在50~150 kN的载荷区间内,试件的磁记忆信号呈单调变化,变化趋势明显;对试件进行疲劳载荷后发现磁记忆信号的原始值及梯度、峭度等信号特征均有所变化,峭度变化较为明显,能够有效反应材料的疲劳状态。采用金属磁记忆技术进行轮对早期故障检测与动态检测,对于保证列车的运行安全具有重要的现实意义,可为无损检测领域的应用提供借鉴。     

大连金普新区产业智能化现状分析

产业智能化基于工业互联网和传感器构建智能感知网络,通过全方位“互联”实现生产的自动化和产品的智慧化,企业获得在精益生产、智能管理等多方面的竞争优势。产业智能化通过大数据驱动和知识指导相结合,促进各种机械、装备和产品使具备更广泛的智能功能,从而满足消费者期望的无缝、便利和个性化的产品体验。以奇瑞汽车大连工厂MES系统、东洋重机(大连)有限公司APS系统为案例,分析了大连金普新区智能制造现状,并探讨了未来发展趋势。     

基因组学与地球科学迅猛发展,古生物学进入纵深发展新时代——2017年古生物学热点回眸

 古生物学是以化石为主要研究对象,研究地质历史时期的生物界及其发展的科学,属于地球科学与生命科学之间的交叉学科。随着生命科学基因组学与地球系统科学的迅猛发展,古生物学这门古老学科进入了纵深发展的新时代,不断涌现振奋人心的研究进展与新发现。本文回顾了2017年国际古生物研究领域取得的重要进展与研究热点,并介绍了中国古生物学界2017年在早期生命、早期后口动物、古脊椎动物、古人类、古DNA以及演化古生物学等研究方向做出的重要贡献。     

采用通道注意力机制的RIS辅助MIMO级联信道估计

可重构智慧表面（RIS）辅助多天线毫米波无线通信系统的级联信道有直传和反射两条链路,系统维数大且复杂,获取信道状态信息（CSI）困难. 针对RIS辅助下的大规模多输入多输出（MIMO）通信系统应用场景,提出了基于通道注意力机制的SE-ResNetV2网络来获取CSI,在残差网络（ResNet）中引入了通道注意力模块,通过挤压和激励策略来提高噪声特征的捕捉能力. 仿真结果表明,相比于最小二乘（LS）估计算法和常规的注意力机制深度ResNet,所提出的深度学习网络具有更好的去噪效果和估计精度.     

基于Ontology的语义检索研究

针对传统的基于关键字检索系统存在的不足,以本体为依据,提出了一种新的智能检索模型。叙述了本体相关理论,分析了本体在语义检索中的应用,设计出一个基于语义检索的结构框架,指出了该智能检索中存在的问题。     

网络环境下知识组织智能化服务

介绍了网络信息资源与知识组织的特点,并在此基础上论述了网络环境下知识组织的智能化服务。     

2020年深海潜水器热点回眸

2020年,国内外在深海装备研发领域取得显著的进展.围绕载人/无人潜水器的研发,重点介绍了2020年国际和国内的研究热点和亮点工作,分析了中国海洋技术所处的国际地位,并对中国深海潜水器领域未来的发展方向提出了建议.     

加权指数损失下长短时记忆网络换道意图识别模型

针对车道变换意图识别中数据源单一,传统序列模型难以捕获长序列范围内换道意图且存在长期依赖问题,提出一种结合时间信息加权指数损失函数的长短时记忆(long short-term memory,LSTM)车辆换道意图识别模型.首先,利用驾驶模拟舱、眼动仪进行高速公路驾驶实验,采集车辆运行数据和驾驶员眼动数据;然后,基于LS...     

MAHIS-based analysis and design of financial investment planning system

In financial investment planning, a large number of components that interact in varying and complex ways are involved. This leads to complex behavior that is difficult to understand, predict and manage. A single intelligent technique can not solve the complicated and elaborate investment planning problems. It is necessary to study those problems synthetically by combining the multiple intelligent techniques. We employed fussy algorithms, genetic algorithms, etc. to solve complicated financial portfolio management in this paper. We analyse and design an agent-based hybrid intelligent system by following the methodology for constructing agent-based hybrid intelligent system (MAHIS). The system starts with the financial risk tolerance evaluation based on fussy algorithms. Asset allocation, portfolio selections, interest predictions, and ordered weighted averaging can be conducted by using hybrid intelligent techniques. The planning agent in the system can easily access all the intelligent processing agents, including the agents of financial risk tolerance assessment, asset allocation, portfolio selection, interest prediction, and decision aggregation. Overall system robustness is facilitated.     

基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性,属于NP(non-deterministic polynomial)难问题。针对常见的顺岸式集装箱码头堆场,以最小化总翻箱次数为优化目标,考虑翻箱对装船连续性及效率的影响,基于马尔科夫决策过程构建装船时堆场翻箱模型,设计逆向强化学习算法。为验证算法的有效性,以随机决策为基准,将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明,贝位堆存状态不佳时,常见的规则决策不一定优于随机决策;逆向强化学习算法可有效挖掘隐含专家经验,收敛至最小翻箱次数的概率更高,且不同堆存状态下均能更好地限制单次发箱的翻箱次数,可实现装船时堆场翻箱智能决策。