基于单芯电缆传输的多转辙机拉力测试仪设计

高速道岔转换时需要采用多转辙机牵引,详细给出了便携式多转辙机牵引道岔转换阻力测试仪的设计过程;该测试仪以NXP公司的ARM7微处理器LPC2214为硬件核心,以uC/OS-II实时操作系统为软件核心,测试仪主机和各传感器采用树形拓扑结构的主从机方案,使用单芯电缆传输技术,将测试仪主机与各传感器联接到一起,完成的同时对1~6台在轨转辙机的牵引力的测量和为各传感器供电;实测表明,测试仪完全满足设计要求,适合铁路电务人员对多点多转辙机牵引道岔转换阻力进行在轨测量,满足实际要求。     

基于深度玻尔兹曼模型的红外与可见光图像融合

为了克服红外与可见光图像融合时噪声干扰及易产生伪影导致目标轮廓不鲜明、对比度低的缺点,提出一种基于深度模型分割的图像融合方法.首先,采用深度玻尔兹曼机学习红外与可见光的目标和背景轮廓先验,构建轮廓的深度分割模型,通过Split Bregman迭代算法获取最优能量分割后的红外与可见光图像轮廓;然后再使用非下采样轮廓波变换对源图像进行分解,并针对所分割的背景轮廓采用结构相似度的规则进行系数组合;最后进行非下采样轮廓波反变换重构出融合图像.数值试验证明,该算法可以有效获取目标和背景轮廓均清晰的融合图像,融合结果不但具有较高的对比度,还能抑制噪声影响,具有有效性.     

自然循环流动不稳定性的多目标优化极限学习机预测方法

极限学习机是近年来提出的一种前向单隐层神经网络训练算法,具有训练速度快、不会陷入局部最优等优点,但其性能会受到随机选取的输入权值和阈值的影响.针对这一问题,提出一种基于多目标优化的改进极限学习机,将训练误差和输出层权值的均方最小化同时作为优化目标,采用带精英策略的快速非支配排序遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化.将该算法应用于摇摆工况下自然循环系统不规则复合型流量脉动的多步滚动预测,分析了训练误差和输出层权值对不同步长预测效果的影响.仿真结果表明,优化极限学习机预测误差可以用较小的网络规模获得很好的泛化能力.为流动不稳定性的实时预测提供了一种准确度较高的途径,其预测结果可以作为核动力系统操作员的参考.     

基于线切割机加工硅分光晶体的研究

单晶硅分光晶体作为同步辐射光源光束线单色器中常用的部件,由于它对加工精度的要求越来越高,所以减小加工过程中产生的残余应变显得尤为重要。介绍了线切割机加工单晶硅晶体的主要过程,包括晶体定向的原理,线切割机加工硅分光晶体的方法,检测加工表面的粗糙度和面形。此外还利用上海光源BL14B线站测量了它的摇摆曲线,其结果满足设计要求。     

Identification of nonlinear system using extreme learning machine based Hammerstein model

In this paper, a new method for nonlinear system identification via extreme learning machine neural network based Hammerstein model (ELM-Hammerstein) is proposed. The ELM-Hammerstein model consists of static ELM neural network followed by a linear dynamic subsystem. The identification of nonlinear system is achieved by determining the structure of ELM-Hammerstein model and estimating its parameters. Lipschitz quotient criterion is adopted to determine the structure of ELM-Hammerstein model from input–output data. A generalized ELM algorithm is proposed to estimate the parameters of ELM-Hammerstein model, where the parameters of linear dynamic part and the output weights of ELM neural network are estimated simultaneously. The proposed method can obtain more accurate identification results with less computation complexity. Three simulation examples demonstrate its effectiveness.     

基于高斯核支持向量机和遗传算法的优化组合研究

选用2008~2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.     

单点金刚石机床及其在光学工程领域的应用

介绍了单点金刚石车床概念,总结回顾了单点金刚石车床在国防和商业领域内的发展状况,给出了目前商用单点金刚石车床的典型产品。对单点金刚石车床的关键零部件和核心技术,如空气静压主轴、液压导轨、直流电机、对刀装置、误差补偿和自适应控制等进行了分析。最后,介绍了适宜单点金刚石车削加工的材料,分析了快刀伺服和慢刀伺服在光学元件中的应用以及所加工的光学元件在国防和商用光电产品中的应用,并以主次镜望远镜系统和精密光学系统无调整装配为例,说明了单点金刚石车削在光电产品中的重要作用。     

基于人工神经网络的湍流大涡模拟方法

大涡模拟方法(LES)是研究复杂湍流问题的重要工具,在航空航天、湍流燃烧、气动声学、大气边界层等众多工程领域中具有广泛的应用前景.大涡模拟方法采用粗网格计算大尺度上的湍流结构,并用亚格子(SGS)模型近似表达滤波尺度以下的流动结构对大尺度流场的作用.传统的亚格子模型由于只利用了单点流场信息和简单的函数关系,在先验验证中相对误差较大, 在后验验证中耗散过强. 近几年来,机器学习方法在湍流建模问题中得到了越来越多的应用.本文介绍了基于人工神经网络(ANN)的湍流亚格子模型的最新进展.详细地讨论了人工神经网络混合模型、空间人工神经网络模型和反卷积人工神经网络模型的构造方法.借助于人工神经网络强大的数据插值能力,新的亚格子模型的先验精度和后验精度均有显著提升. 在先验验证中,新模型所预测的亚格子应力的相关系数超过了0.99,在预测精度上远高于传统的大涡模拟模型. 在后验验证中,新模型对各类湍流统计量和瞬态流动结构的预测都优于隐式大涡模拟方法、动态Smagorinsky模型、动态混合模型等传统模型.因此, 人工神经网络方法在发展复杂湍流的先进大涡模拟模型中具有很大的潜力.      

某发动机热试车的振动环境预示方法研究

发动机热试车试验在新型运载器的研制过程中起到重要作用,可用于预测运载器在飞行中的振动环境。由于载荷不等效,试验数据量有限,使得难以直接通过试验数据建立同一结构在不同系统下的映射关系模型。本文提出了一种基于试验数据的振动环境预示方法,以某发动机两次热试车试验数据为对象,分别提取了反映结构特性的动力学模型,基于载荷等效原则构造了结构振动响应学习样本,采用机器学习的方法建立了两次热试车试验条件下发动机结构的映射关系,实现了从一种试车状态下的结构振动响应预示另一种试车状态下的振动环境,预示结果与实测数据进行了比较,满足±3d B的工程精度要求。     

基于DEA-博弈论模型的铁路电子车票实名制查验评价分析

将基于数据包络分析(DEA)模型和纳什讨价还价博弈论结合, 作为一种合作博弈方法, 对铁路电子车票实名制的查验进行了综合评价, 为准确评估铁路电子车票实名制查验的效率, 加强铁路客运服务水平提供决策判断。本文以20个不同等级的铁路车站为研究对象, 分人工和机器两大类, 选取身份证购票比例、通勤员工购票比例、临时身份证购票比例, 以及人工查验旅客数/小时/通道、机器查验的通过人数/闸机/小时、闸机人脸自动识别比例和延误比例等7个指标作为投入指标, 选取人、证、票三证合一的实名制查验比例作为产出指标, 基于数据包络分析(DEA)和纳什讨价还价博弈论结合的合作博弈模型, 从人工查验和机器查验两个角度对铁路电子车票实名制查验进行统一综合评价。案例结果表明, 铁路电子车票实名制查验效率呈现出人工查验和机器查验效率不均衡的态势; 车站人脸识别闸机的数量投入与所需闸机数量的不匹配是造成实名制查验效率下降的主要原因。根据评价结果, 从人工和机器查验两个角度提出了可行建议, 促进了铁路电子车票实名制查验效率的进一步提升。