基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

紫色球杆菌视紫红质光谱特性的机器学习研究

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。     

高温作用后砂岩物理力学性质阈值温度的确定——基于机器学习算法

通过采用机器学习算法，提出了高温作用后砂岩物理力学性质变化的阈值温度的确定方法。基于Python语言，利用K-Means、SVM算法，实现了对样本数据的分类和聚类，确定了阈值温度区间，验证了二分类法的合理性和准确性.结果表明，砂岩样本的阈值温度区间为400~600 ℃，阈值温度上下砂岩的物理力学性质存在显著差异，体现为阈值温度区间以下的岩样物理力学性质较为分散，而阈值温度区间以上的岩样物理力学性质较为集中.     

智能高速罐身电阻焊机数字化控制系统

提出了以国产MCT80 0 0F8运动控制器为核心的智能高速罐身电阻焊机数字化控制系统 ,并介绍了系统的组成、工作原理、硬件接口、电机控制方法以及伺服电机的运动关系数学模型 .新的系统有利于提高罐身电阻焊机的制罐生产速度 ,并具有功能全面、可靠性高、控制精确、开放性好以及成本较低等优点     

环氧-呋喃防护材料的研制

碳化是引起水工钢筋混凝土钢筋锈蚀的重要因素之一．用糠醛、丙酮作活性稀释剂的环氧一呋喃涂料、玻璃钢与混凝土复合使用，粘接性能好，机械性能优良，防碳化、冻融能力强，与混凝土的弹性模量接近，能有效阻止混凝土碳化、钢筋(钢丝网)锈蚀．经过20余项工程应用及10余年的考验效果良好．     

西文期刊回溯建库中几个重要项目的著录

在实践的基础上，从期刊的出版日期、出版周期、卷、期、年、月及其他标识、ISSN、增刊、出版者以及期刊的历史发展等方面对西文期刊机读目录的标准化著录问题进行了探讨。     

搜寻平面机构中虚约束的拆杆组法

本文根据机构的组成原理,提出一种搜寻机构中虚约束的新方法一拆杆组法,用该方法能方便地判断出机构中所含的虚约束,同时能迅速排除含有特定几何条件而实际上并不存在虚约束的机构.     

修配法解装配尺寸链的简易计算

推导出了修配法解装配尺寸链的简易计算公式．使修配法分析计算更为简便，更易于掌握。     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。