摘要：针对现有金融时序数据预测方法在构造金融特征图像的过程中因忽视市场环境变化导致的数据密度分布差异问题,提出一种基于滑动窗口标准化的金融数据预处理方法。所提方法将滑动窗口截取的数据使用独立的标准化转换为金融特征图像,使得依赖价格特征进行训练的卷积神经网络(CNN)模型能够学习到正确的映射关系;同时,针对金融特征图像的特征表达问题,为更好地捕捉其动态变化特征,将注意力机制引入CNN中,进而构建出一种注意力CNN金融时序数据预测模型。对标普500指数未来1天涨跌进行预测的准确率和F1分数分别为61%和0.7397,模拟交易实验投资回报率为23.04%,优于买入并持有策略。此外,消融实验结果也证明了预处理方法、注意力模块引入的有效性。

摘要：质子交换膜燃料电池是一种可以将储存在燃料中的化学能转化为电能的装置.应用Kriging代理模型结合遗传算法对流道宽、流道高和岸宽3个几何参数进行了优化设计,以质子交换膜燃料电池的净功率作为优化的目标函数来评价质子交换膜燃料电池的性能.数值模拟应用了商业软件ANSYS FLUENT.优化后的质子交换膜燃料电池流道内具有更高的压力,使更多的反应气体参加电化学反应,因此优化后的质子交换膜燃料电池的性能得到了提高.

摘要：以实现高温质子交换膜燃料电池单电池内部接触压力的均匀性与电堆内单电池之间接触压力的一致性为目的,建立了一种具有非线性接触边界条件的高温质子交换膜燃料电池电堆端板的拓扑优化模型.通过研究在一定工作温度下装配荷载对电堆内部接触压力的影响,并综合考虑端板的质量与制造难度,构建了一种适用于燃料电池电堆的简化模型.从基于热力耦合的有限元法出发,对燃料电池端板进行以最小质量为目标、最大应力为约束的拓扑优化,并在综合考虑结构形状与拓扑结果的基础上建立端板的几何模型.结果表明,拓扑优化得到的端板结构使电堆内部具有更均匀的接触压力,因此拓扑优化可以为端板的结构设计提供理论参考.

摘要：针对水面机器人(USV,unmanned surface vehicle)水动力学具有强非线性,并且容易受到风、浪与水流干扰的问题,提出一种主动增强LPV(linear parameter varying)建模与航向保持控制方法.LPV模型采用USV的速度作为线性变参,用来简化系统参数辨识与控制器设计.在LPV模型的基础上,将风、浪与水流等干扰看成是未建模误差,采用UKF在线估计,用来提高建模精度.然后,针对LPV模型采用线性矩阵不等式设计航向保持名义控制器,并在此基础上设计前馈控制器对未建模误差进行在线补偿.仿真结果表明,该方法可以有效减弱风、浪与水流等未建模误差对系统控制的影响.

摘要：针对复杂构件装配过程中装配工装应变敏感区域直接监测困难的问题,提出了工装应变高精预测模型,基于支持向量机设计了一种复杂结构应变动态监测与高精预测方法。利用光纤光栅传感器获取模型所需输入、输出应变信息,建立输入输出数据间的非线性映射,对模型加以训练,最终达到精准预测复杂构件在装配过程中感生应变的目的。该方法解决了空间受限时,装配工装复杂零件应变状态在线监控与预测难题。针对工装复杂零件的应变监测与预测试验结果表明,该预测模型的R2高达0.98,RMSE为0.2040με,具有较高的精度和较强的泛化能力,可满足复杂构件装配的实际检测需求。