摘要：针对铝合金薄板的侧壁起皱问题,本文通过有限元软件分析工艺参数对成形质量的影响,提出了一种基于数值模拟与智能算法相结合的优化方法。首先,利用最优拉丁超立方抽样进行实验设计,并依据数值模拟获取实验值;其次,基于BP神经网络拟合工艺参数与成形质量之间的关系,预测结果的平均相对误差为2.69%,建立了准确的预测模型;最后,用遗传算法极值寻优获取了一组最优的工艺参数组合,起皱幅值的预测值和仿真值相对误差仅为4.03%,实验结果与仿真分析结果相近,验证了该优化方法的合理性和有效性。研究表明:以料厚、摩擦系数和压边力作为优化变量,以最大起皱幅值最小化为优化目标,建立几何模型,并利用有限元软件Autoform进行仿真分析;依据起皱轮廓线径向位移的实验和数值模拟对比,验证了有限元模型的正确性,表明利用神经网络和遗传算法极值寻优可以有效解决铝合金侧壁起皱缺陷。

摘要：针对复杂水下环境焊接过程对焊接电源超高动特性与精确控制需求,设计基于SiC模块的快频脉冲焊接电源功率主电路,开发全数字化控制系统,研制出局部干法水下快频脉冲MIG焊电源(local dry underwater fastfrequency pulsed MIG,LDU-FFPMIG).研制的LDU-FFPMIG焊接电源额定输出电流为400 A,能精确输出多种0~30 kHz的快频脉冲电流波形,快频脉冲电流幅值高达200 A.提出LDU-FFPMIG焊接新工艺,将快频脉冲应用到304不锈钢局部干法水下MIG焊接,探究快频脉冲对传统局部干法水下脉冲MIG焊的影响.结果表明,研制的LDU-FFPMIG焊接电源能够实现稳定的局部干法水下MIG焊,可获得良好的焊缝成形;快频脉冲电流的引入可显著提高电弧能量密度和焊接稳定性,减小熔宽(B)、增大熔深(H),焊缝成形系数(B/H)减小约30%,并且可以细化晶粒.

摘要：提高点击转化和优化竞价排位对于第三方在线旅行社(OTA)获得广告代理佣金至关重要。移动端改变了用户在搜索引擎平台上的决策条件,但对于移动点击转化机理的认知仍较为模糊。文章采用德国一家OTA酒店预订移动端的数据,包括2295名用户,共15638条搜索记录,建立了融合个体序贯行为信息的动态贝叶斯推断模型,并使用MCMC方法进行求解。研究发现:该模型在预测性能上优于二项logit模型、支持向量机和随机森林。在移动搜索环境下,屏幕排位对点击转化的影响存在非线性的“U”型特征,其首因效应明显。移动点击转化概率随着酒店标价升高而提高,但用户在单个搜索结果列表中更偏好价格排序较低的产品。进一步的交叉弹性仿真表明,使用筛选器得到的自定义列表在降低点击转化的平均概率的同时还会提高决策的不确定性,过度个性化的移动端界面可能会扩大产品考虑集范围。

摘要：分布式光伏发电功率预测在保障电网运行安全和就近消纳方面发挥着重要作用,为提升分布式光伏发电功率预测精度,提出一种基于多元气象的特征提取方法和基于残差连接的多模型融合的光伏发电功率预测模型.在特征提取时,引入统计、交叉、周期信息、近似熵和光伏板温度等特征提取方法,实现对时间、气象和发电功率的深层特征提取,丰富模型的输入.在模型构建时,建立基于残差连接的多层模型融合方法,首先提出基于k最近邻(k-nearest neighbor,kNN)的softmax回归预测模型,其次设计3层模型整体结构,并通过残差连接和多层堆叠的方式融合多个预测模型,持续提升光伏发电功率预测精度.基于电力公司真实数据,采用本研究方法与随机森林(random forest,RF)、TabNet和极端梯度提升(extreme gradient boosting,XGBoost)等模型,对光伏发电功率进行预测.结果表明,所提模型在均方根误差、平均绝对误差、均方误差和平均绝对百分比误差等方面可分别降低0.1097、0.0591、0.0507和0.0368,拟合优度可提升0.0804.基于多元气象的特征提取方法和基于残差连接的多模型融合的光伏发电功率预测模型能有效提升分布式光伏发电功率预测的精度和稳定性.

摘要：现有交通信号灯控制策略大多针对单一交叉口展开分析,该策略仅考虑车流量的单一因素,难以适应动态的路网状态。对此,提出了一种结合模糊控制的深度强化学习交通灯控制策略,利用SAC(soft actor critic)深度强化学习对两交叉口的交通信号灯相位选择及配时进行联合优化,同时考虑车辆速度、路段车辆排队长度等因素,利用模糊控制对SAC的惩罚函数进行处理。实验结果表明,与固定循环周期策略、SAC控制策略和DDPG(deep deterministic policy gradient)控制策略相比,提出的交通信号灯控制策略能获得更快的车辆通行速度,车辆的油耗和尾气排放情况也得到了改善。

摘要：针对图神经网络(graph neural network,GNN)模型缺乏相应的探针这一问题,提出面向图神经网络表征学习的知识探测框架,基于不同领域数据的类别属性设计2种类别感知的知识探针,分别为聚类探针和对比聚类探针。2种探针分别探测不同模型的表征效果并给出相应的分数。在引用网络、社交网络和生物网络等3个邻域的8个数据集上,对7个经典的图神经网络模型的表征学习实现了系统性地知识探测和评估实验,归纳出探测和评估结论。

摘要：观测点分类器(OPC)是一种试图通过将多维样本空间线性不可分问题转换成一维距离空间线性可分问题的有监督学习模型,对高维数据的分类问题尤为有效。针对OPC在处理大数据分类问题时表现的较高训练复杂度,在Spark框架下设计一款基于大数据的随机样本划分(RSP)的分布式OPC(DOPC)。首先,在分布式计算环境下生成大数据的RSP数据块,并将它转换为弹性分布式数据集(RDD);其次,在RSP数据块上协同式地训练一组OPC,由于每个RSP数据块上的OPC独立训练,因此有高效的Spark可实现性;最后,在Spark框架下将在RSP数据块上协同训练的OPC集成为DOPC,对新样本进行类标签预测。在8个大数据集上,对Spark集群环境下实现的DOPC的可行性、合理性和有效性进行实验验证,实验结果显示,DOPC能够以更低的计算消耗获得比单机OPC更高的测试精度,同时相较于Spark框架下实现的基于RSP模型的神经网络(NN)、决策树(DT)、朴素贝叶斯(NB)和K最近邻(KNN),DOPC分类器具有更强的泛化性能。测试结果表明,DOPC是一种高效低耗的处理大数据分类问题的有监督学习算法。

摘要：微能源网集成园区/社区的分布式能量系统、多元荷载及控制装置,能够实现多能源联产联供功能,有利于提升各类能源网络运行灵活性和经济性。为有效应对微能源网内部负荷和新能源出力的不确定性,首先建立多面体不确定集刻画负荷和光伏出力波动情况,构建描述微能源网网络拓扑和能流耦合关系的能源集线器(energy hub,EH)耦合矩阵。然后,以最小化系统运行成本为目标建立微能源网在并网和孤岛运行模式下的两阶段鲁棒优化经济调度模型,并运用线性决策规则(linear decision rule,LDR)和对偶理论制定模型求解策略。最后,基于IEEE 33节点配电网改进设计的微能源网进行算例验证分析。结果表明,LDR能够在一定精度范围内通过线性仿射函数有效近似刻画决策变量和不确定变量间的关系,降低两阶段鲁棒优化经济调度模型的求解难度。

摘要：为了减少水产养殖污染,保证养殖生态系统的安全,提高生态环境质量,利用物联网技术设计并实现一种水产养殖智能监控系统。该系统通过智能传感器终端实现对养殖区域水质的溶氧、pH、水温、光照度、环境温度、环境湿度等参数的实时采集、远程显示和自动控制,实现远程智能养殖。同时,系统利用树莓派作为边缘算力设备,从感知层、传输层、边缘计算层、应用层四个主要方面对系统进行说明,通过智能算法实现实时精细化管理资源的目标,使数据可视、可信,进一步探究水产养殖方面进行智能化协同化的可行性。研究表明,该系统在实物模型上运行稳定、感知准确、控制及时和扩展性强等优点,可在水产养殖中进行推广和应用。

摘要：通过构建太阳能驱动电絮凝+重力驱动陶瓷膜滤+紫外消毒的一体化雨水处理设备,对模拟屋面雨水进行处理。结果显示,太阳能光伏发电系统的产电量可完全满足该系统的运行需求。在长期运行中,该系统对浊度、总磷、UV254、氨氮、CODMn等具有良好的去除效果,其中,浊度、总磷、氨氮去除率接近100%。在电絮凝预处理的作用下,重力驱动陶瓷膜滤面生物净水层孔隙率增加,产水效能提高,且在系统暂停运行90 d后,陶瓷膜面生物净水层的微生物仍保持良好的生存状态,重启后能够在维持高效率去除氨氮的同时保持稳定的膜通量,这一优异性能匹配了雨水的间歇性降水和水量不稳定性的特征。通过紫外消毒系统可有效杀灭膜滤出水残留细菌,进一步提高出水的微生物安全性。此外,该装置全程结合太阳能和屋面距离地面的重力势能作为驱动力净化雨水,节约能耗,可为分散式屋面雨水收集利用提供技术支撑。