飞机发动机噪声数据沉浸式空间可听化扩展现实系统研究

本文设计了一种噪声数据空间可视化、可听化的模拟系统,用来实现对飞机飞行航迹的仿真、发动机部件噪声数据的预测以及噪声数据空间可视化和可听化。本文提出的模拟系统使用数据分析软件MATLAB计算获取飞机静态试车、航行期间发动机各部件产生的噪声声压级数据,同时使用软件中的三次样条插值函数处理初始数据,再使用傅里叶逆变换函数合成可播放的音频文件。系统使用Unity3D虚拟集成开发平台接收音频文件,编写脚本文件获取噪声音频信息,进行可视化仿真,使用3DMAX等建模软件搭建机场跑道、飞机发动机模型与实验环境,再使用UDP网络通信技术实现Unity3D和MATLAB两平台间的数据信息传递。通过对噪声数据的可视化、可听化仿真模拟,可以直观地对噪声场中的噪声数据进行观测,进而可在一定程度上协助对飞机发动机部件噪声数据的定性分析。     

基于深度学习的刀具磨损预测方法研究

汽车零部件生产加工过程中的刀具磨损退化严重影响产品加工质量、生产效率和生产成本。数据驱动方法已成为刀具磨损预测的有效手段,考虑传统浅层机器学习方法在手动特征提取与非线性拟合方面的局限性,本文将残差结构与门控循环单元相结合,提出一种用于刀具磨损预测的混合神经网络模型。针对多源多通道切削信号,采用残差结构实现空间特征自适应抽取,并解决网络加深时的梯度消失和模型退化问题;此外,针对特征信号的时间相关性,增加门控循环单元挖掘融合特征中的序列信息。为了验证模型性能,在刀具磨损数据集上与其他机器学习模型进行了对比实验。结果表明,所提出的混合模型具有较优的刀具磨损预测效果。     

基于机器学习的学生学情预警方法研究

对学生的学习成绩进行预测分析,提前预警学生可能存在的挂科或成绩下降风险,从而帮助学生和教师更好地制定学习计划和提高教学效率。采集了包括学生的平时成绩、考勤、性别和期末成绩等多种因素的数据,使用线性回归模型进行数据建模和预测分析。研究结果表明,该模型预测误差小,具有实际应用价值。研究成果可为学生和教师提供有益的参考,以便更好地实现教育教学目标。     

轨迹相似性度量方法研究新进展

轨迹数据广泛应用于智能交通、自然保护、疫情防控等领域。轨迹相似性度量是轨迹查询分析中最复杂和耗时的操作之一,是轨迹数据管理领域的研究基础。文章首先将轨迹相似性度量方法按对时间信息是否敏感划分为时间敏感型和非时间敏感型,同时介绍了基于语义和深度学习的新型轨迹相似性度量方法;然后对每类度量方法进行了综合对比分析,并给出了各自的优缺点;最后对本领域未来的研究趋势进行了展望。     

南方CASS向GZUPIS数据转换的研究

在最近几年的广州市管线放线测量工作中,不少单位采用报建图,是南方测绘的CASS基础地形数据的管线设计图,因此必须向广州市管线信息系统（GUPIS）数据转换。通过分析它们的结构特点与导入到管线信息数据库的数据要求,提出相应的转换方法,编制了图形数据转换的LISP程序,完成了对复杂地物和管线的图层、线型、颜色的自动分类和转换处理,介绍CASS转换菜单的生成,列举应用于广州某公司的从化区的报建放线测量项目转换的成功案例,提高了生产效率,可为同类项目提供参考。     

国产分析型数据库在气象数据存储中的应用

近年来,在信息化建设中国家自主权显得尤为重要。利用这次气象信息化升级改造即“天擎”系统部署的契机,甘肃省气象信息中心选用南大通用公司的Gbase 8a MPP产品建设历史分析库,很大程度上满足了用户对长时间序列数据的需求。强大的数据库性能得以支撑起地面、高空、海洋、农气、辐射、大气成分、服务产品等全集数据,同时数据分布策略、列存储模式、并行数据加载、高可用机制、标准语言和接口等核心技术将会在数据服务中充分发挥优势。     

数据驱动计算力学研究进展

以数字孪生、人工智能为核心的大数据理念正深刻影响着第四次工业革4 命,数据驱动计算力学在此背景下应运而生并展现勃勃生机。与此同时,航5 空航天等尖端工业领域对高性能材料与结构的先进制造与安全评估提出了更6 严峻的挑战,经典计算力学已很难实现成倍缩短产品研发周期、实时跟踪产7 品信息并提供解决方案的目标。因此,发展面向高性能材料与结构的数据驱8 动计算力学正当其时且刻不容缓。本文拟通过梳理数据驱动计算力学的部分9 研究现状,探讨并浅析数据驱动计算力学的发展趋势.     

基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

力学研究中"大数据"的启示、应用与挑战

大数据在全世界发展迅猛, 应用成效显著.大数据独特的思维和方法, 为科学研究与探索提供了全新的范式.力学研究中,高时空分辨率、多参数同步观测与高精度、大规模模拟手段的发展,为力学大数据的发展提供了契机,大数据、机器智能方法的应用正呈现快速上升趋势.本文旨在分析大数据思维方法在力学研究中的应用, 及其启示与挑战.首先从大数据资源、大数据科学及大数据技术3个层面分析了大数据的内涵及研究态势,概括了国内外政府及组织机构的大数据发展规划.而后对比分析了力学思维方法与大数据思维方法的特点,指出两者的本质区别在于数据使用方式的不同而带来的范式差异:大数据采用数据驱动模型替代力学中的偏微分方程组以描述问题,在复杂系统的分析、预测中优势显著.回顾了大数据方法在材料性能预测、材料本构建模、湍流建模、结构健康监测及试验力学等方面的最新研究进展,以及动态数据驱动与数字孪生等大数据驱动的建模模拟新范式.总结了大数据在力学研究中应用的3种方式, 即驱动已有模型改进,挖掘复杂隐含的规律, 以及替代已有的理论方法等. 最后,建议以力学研究为主体和牵引, 大数据与力学双驱动,推动大数据与力学交叉形成理论与方法突破、及学科发展新方向.      

基于加权流量介数中心性的路网脆弱性分析——以无锡市为例

针对当前路网脆弱性研究中缺乏对真实交通状况考量的问题,在复杂网络理论的基础上,结合交通流量信息,提出了基于加权流量介数中心性的路网脆弱性分析方法。首先计算路网拓扑抽象图中各节点的最短路径介数中心性,然后使用流量数据对相应区域最短路径介数中心性加权,综合得到最终的脆弱性指标结果。以无锡市为例,对其实际交通路网脆弱性进行了计算,结果表明,该方法能综合反映静态全局路网结构与动态局部通行信息和现实交通情景下的路网脆弱性。