高速内燃机配气凸轮动态设计探讨

本文用动力学观点分析了内燃机配气机构在弹性变形下的运动规律,提出按理想气门运动规律设计配气凸轮方法.     

基于DQN的机场地服人员动态排班研究

针对在繁忙机场的地面服务人员动态排班问题,提出一种基于深度Q网络(DQN)的排班方法．首先以最大化任务执行率和最小化员工工作时间作为目标,建立了优化模型;然后根据目标提出了两种不同的排班方法,进而采用DQN算法,根据生成的航班动态数据,提取6个状态特征作为网络的输入,并拟定合适的奖励机制,使得训练后的模型能够动态地选择最好的分配方法,最终对模型进行求解．将该方法应用在连续7 d的实际排班中,实验结果表明：与人工排班结果相比,该方法平均每天的任务完成数增加了0.43个,员工的总工作时长减少了53 min,DQN的排班结果具有明显优势,提高了机场地面服务的工作效率．     

基于改进编解码网络的钢箱梁疲劳裂纹分割

针对基于图像的疲劳裂纹检测方法精度受焊缝、涂层等复杂背景因素影响较大的问题,提出了一种基于深度学习的空洞金字塔注意力网络(APA-Net)模型用于疲劳裂纹分割．在传统编解码网络的基础上引入预训练ResNet34模型、密集空洞卷积(DAC)模块、尺度感知金字塔融合(SAPF)模块和注意力门控(AG)机制,极大地提升了模型提取多尺度上下文信息的能力．通过图像裁剪制作了包含多种干扰因素的钢箱梁疲劳裂纹分割数据集,然后利用该数据集对APA-Net,FCN,U-Net,Attention U-Net,U-Net++和CE-Net等经典网络进行测试,结果表明：所提出的APA-Net在复杂背景干扰下对钢箱梁表面图像中的疲劳裂纹提取能力最佳,分割结果的平均交并比达72.2%,比其他经典网络中表现最优的CE-Net的平均交并比提高了约4%．最后通过消融实验讨论了所提模块对裂纹分割精度的影响．     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。     

考虑延迟效应的政企应急物资配置动态策略研究

针对应急物资配置对慈善商誉促进存在的延迟效应,构建了延迟动态微分模型,研究了分散、成本分担、集中三种决策模式下政府与企业的应急物资配置策略问题.受延迟效应影响,慈善商誉整体呈现出先递减而后缓慢增长直至稳态的趋势;延迟效应给政企应急物资配置策略及效用带来负面影响,使得政企应急物资配置策略及效用均低于即时效应时的相应情形;...     

企业成长与突破性技术创新：以京东方为例

突破性技术创新是提高企业竞争能力、提升产业发展水平的主要动力。而京东方作为半导体显示产品的领军企业正是借助突破性技术创新,成功扭亏为盈、实现半导体显示技术全面布局。通过深入剖析京东方的成长历程展开探索性单案例研究,归纳总结突破性技术创新在这一过程中的作用机制和过程模式。研究发现,当企业发展为拥有雄厚创新资源的领军企业时,更有能力推进突破性技术创新,而突破性技术创新的涌现又可以推动领军企业进一步形成短期难以超越的竞争优势,二者相辅相成、相互促进。研究结论为企业明晰自身所处发展阶段及是否应该将发展重点转移到突破性技术创新提供了依据,同时也为企业提高动态能力提供了建议。     

马氏体沉淀硬化不锈钢0Cr15Ni5Cu3Nb热变形行为与热加工图研究

采用Gleeble-1500D热模拟试验,研究了马氏体沉淀硬化不锈钢0Cr15Ni5Cu3Nb(15-5PH)在850～1250℃ 、0.001～1 s-1条件下的热变形行为和微观组织演化机制.研究结果表明:材料变形过程存在加工硬化、动态软化和流变稳态的特征.利用Arrhenius型双曲正弦方程,建立了15-5PH热变...     

基于动态优先级的奖励优化模型

传统的约束马尔可夫决策过程(constrained Markov decision process, CMDP)模型用来解决多目标决策的困难,但该模型缺乏通用性并且只适用于离散环境。为了解决这一问题,提出一种基于CMDP的改进算法CRODP,与强化学习(reinforcement learning, RL)算法结合,将带约束问题建模为拉格朗日公式,其中包含着深度强化学习的策略参数。然后进一步推导出模型参数的更新公式,并将其作为深度强化学习神经网络的损失函数。模型在学习过程中动态调整约束与主要目标之间的权重以确保最终策略符合给定的约束。在若干机器人平台上与基准的深度强化学习算法进行比较,显示本算法得出的最优策略能够更好地满足相应约束。     

因素空间理论下银行信用卡违约预测

为扩大因素空间理论下因果分析法应用领域,基于因素空间理论下逆向逻辑归纳的思想,用背景分布计算各因果句的概率分布描述推理规则的强弱,提出逆向因果分析逻辑算法,并将其应用于银行卡的信用分析,提出基于因素空间理论的银行信用卡违约预测模型.该方法以信用卡实测数据为背景样本,提取推理规则,并用其他样本数据对预测推理规则进行验证....     

基于时间感知的动态组旅行查询

小组旅行规划（GTP）查询是空间数据库领域的一个热点研究问题,迄今为止已有不少研究成果.但目前尚无人考虑行程中新成员加入或现有成员离开的问题,也没有在行程规划中考虑兴趣点与查询需求的时间匹配问题.为了解决这个问题,把两者相结合,提出了时间感知的动态组旅行规划查询（TDGTP）问题,该查询包含一组空间分散、动态变化的成员,返回满足该组成员的多个兴趣需求的一组对象及所规划的最佳路径.首先,基于真实的Euclidean空间,设计了一个包含空间文本和时间信息的综合索引TIR-Tree,利用TIR-Tree对空间文本和时间进行剪枝,以此来筛选出所有符合约束条件的兴趣点集;其次利用椭圆的性质,规划出ESRA算法对兴趣点区域剪枝,进一步筛选满足小组成员要求的兴趣点集;然后对兴趣点集使用BestTD算法进行最短路径查询,返回满足该组行程的最佳旅行距离;最后通过大量实验验证了所提出的解决方法的有效性.