基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

基于移动可变形孔洞方法的超弹性结构拓扑优化

现有隐式拓扑优化方法在进行超弹性结构拓扑优化设计时,具有设计变量多、中间设计有限元分析存在严重的收敛性和设计结果无法直接导入CAD/CAE系统等问题。为解决这些问题,提出了一种基于移动可变形孔洞的显式拓扑优化方法来进行承受大变形的超弹性结构设计,材料本构采用常用的Mooney-Rivlin模型。首先,介绍了移动可变形孔洞方法的基本思想和可变形孔洞的显式描述方法;其次,构造了基于移动可变形孔洞方法的超弹性结构拓扑优化的数学列式,给出了相应的灵敏度结果;最后,通过数值算例验证了本方法的有效性。数值结果表明,该方法可以通过较少的设计变量和非常稳健的优化过程,给出边界由B样条曲线描述且可与CAD/CAE软件无缝连接的超弹性结构设计。     

钙调蛋白抑制剂预测模型研究

选用30个结构多样的caM抑制剂分子作为数据集,采用多元线性回归(MLR)方法及主成分回归分析(PCA)方法对每个化合物的194个分子参数进行回归分析,分别建立了各自的最优预测模型.结果表明:多元线性回归分析方法所建模型与主成分回归所建模型相对比,发现逐步筛选法为最优建模方法?该方法所建模型统计结果良好(R2=0.952,SEE为0.289),应用于检验集时结果也比较令人满意(R2=0.941,SEP为0.295),模型表现出较强的可靠性和预测性.     

基于贝叶斯参数优化的无模型自适应硅单晶直径控制

直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。     

基于拓扑描述函数的连续体结构拓扑优化方法

提出了一种利用拓扑描述函数(TDF)作为拓扑设计变量求解连续体结构拓扑优化问题 的新方法. 优化问题的目标函数是结构的整体柔顺性，约束条件为对于可利用材料的体积限 制. 这种方法不仅可以消除拓扑优化中经常出现的棋盘格式等数值不稳定现象，而且能够有 效地抑制传统算法处理此类优化问题时所引发的边界扩散效应. 与其它的基于水平集描述函 数的拓扑优化方法相比，所提出的算法不仅无需求解控制水平集函数演化的双曲守恒方 程，而且合理地考虑了目标函数的拓扑导数信息，因而使得算法的计算效率有了显著的提高.     

混合复发事件与面板数据下的可加可乘模型

事件历史记录数据(Event History Data)是随时间观察而得到的,记录特定事件发生时间和发生类型的观测数据.这种数据类型在生物医学等领域的研究中十分常见,它包含了两类非常重要的数据类型,复发事件数据(Recurrent Event Data)和面板计数数据(Panel Count Data).在实际生产过程中,有时会出现上述两种数据类型混杂的情况,文本提出了可加可乘半参数建模的方法来分析这种混杂数据.我们讨论了参数估计的相合性和渐近正态性,以及基准率函数的渐近高斯性质.我们进行了数据模拟,比较了我们提出的方法与naive方法的区别.     

时变参数不确定广义系统的有限时间预见控制器设计

基于具有参数依赖的Lyapunov函数方法及LMI技巧,本文研究一类具有时变参数不确定广义离散时间系统的有限时间预见控制问题.首先,采用预见控制理论中误差系统的方法,引入两个辅助变量和离散提升技术,构造出包含未来目标值信号的信息的扩大误差系统,将有限时间预见跟踪问题转化为扩大误差系统的有限时间稳定性问题;然后,针对所推导的扩大误差系统,考虑输出反馈时,改造输出方程,使其包含可预见信号的信息,通过LMI技巧给出闭环系统有限时间稳定的条件及预见控制器的设计方法.通过求解LMI,即可确定预见控制器增益矩阵.数值仿真表明本文结果的有效性.     

基于管柱式气液旋流分离器的井口多管束分离装置结构优化

单井计量是油田开发过程中的一项重要工作,而气液分离效果直接影响到计量结果的准确性.管柱式气液旋流分离器(GLCC)因体积小、效率高、适用范围宽而被广泛应用,但基于GLCC发展多级一体化分离装置一直被受到关注.考虑一级分离入口斜管倾角、一级分离入口形状、气相分离弯管仰角及二级分离管束规格,采用多相流Mixture模型和雷诺应力RSM模型,对基于GLCC的井口多管束分离装置结构形式进行了优化,并定量揭示了不同结构形式下的气液分离效率.结果表明,在经过GLCC一级旋流分离后,进入多管束二级分离单元,能够进一步改善气液分离效果,提高气液分离效率,但两级分离单元的结构特征均对分离性能具有显著影响,优化GLCC一级旋流分离入口斜管的倾角为30°,入口形状为圆形,相应可获得稳定的压力分布、较为均匀的流场迹线和更高的气液分离效率,优化气相分离弯管的仰角为35°、二级分离细管束数量与管径分别为6支和40mm,可使对应分离压降在3kPa,气液分离效率接近70%.