摘要：由于高速五轴联动铣削加工中刀具存在振动现象,从而会使刀具与工件之间的相对位置发生偏差。针对该问题,提出了一种考虑刀具振动的高速五轴联动铣削机床振动抑制方法,提高了铣削机床的加工质量。首先,设计了零振动微分(ZVD)输入整形器,通过刀具轨迹整形优化了刀具的运动轨迹,减少了切削力波动和振动;然后,设计了一个五层结构的模糊神经网络控制器,利用模糊神经网络实时控制切削参数,以适应加工过程中的变化,保持加工过程的稳定性;最后,通过分析铣削力与未铣削切屑厚度之间的关系,实施了刀具振动抑制,降低了伺服进给系统的谐振,提高了振动抑制效率。研究结果表明:在应用该方法抑制刀具振动后,高速五轴联动铣削机床的刀具振动幅度由(-14.7,14.8)μm降低到(-5.8,7.8)μm;自动跟踪弧线形焊缝时,该方法抑制后的轨迹与实际轨迹几乎一致;薄壁件最大偏差仅为0.03 mm;断续切削加工中的偏差最大值仅为0.02 mm。该方法能够有效抑制刀具振动,解决了刀具振动产生的偏差问题,为机床准确进给奠定基础,具有工程实用性。

摘要：选用ANSYS Workbench 2020 R2软件建立风力机双向流固耦合分析平台,选取SST k-ε模型为湍流模型,分别对结合量子粒子群算法和改进的量子粒子群算法优化后的1 MW风力机模型进行双向流固耦合计算与分析。结果表明:在额定工况下(设计风速为12 m/s)双向流固耦合作用下的风力机功率计算值比纯Fluent计算结果偏低一些;改进后和未改进的风力机叶片模型的最大等效应力分别为56.815、59.398 MPa,均小于材料的屈服强度,符合设计要求;改进后和未改进的风力机叶尖处的最大位移变形量分别为1.6977、1.7581 m,符合规定叶片的最大变形量不能超过叶尖与塔架距离的90%。最后对2种风力机模型叶片进行模态分析,得到前10阶固有频率和振型云图,通过计算激振频率得知2种风力机模型叶片在额定工况下不会发生共振,说明2种模型的设计安全可靠。

摘要：多标签学习是现实应用场景中的一个常见问题。大规模多标签数据集的构建往往意味着高昂的成本,因此出现了半监督学习技术。目前,大多数半监督学习主要用于单标签分类领域,尽管半监督学习在多标签分类领域取得了一些进展,但在训练时间消耗、训练效果和标签之间潜在关系的利用方面仍有很大的改进空间。针对上述问题,提出了一种二元结构下的多标签半监督课程学习模式(semi-supervised course learning under dual structure,SSCD)。首先,设计了一种基于对偶差分的课程学习方案,大大减少了训练时间,提高了模型的稳健性;其次,设计了一个单一注意力机制来探索标签之间的潜在相关性。在3个开放测试数据集上评估了SSCD在预测任务中的性能,并与4个基准模型进行了比较,结果表明SSCD的综合指标在各个方面都是最优的;最后,通过结构消融实验验证了所提出的单注意力机制的有效性。

摘要：提出一种(γ,l-p,k)-匿名模型,模型引入了信息熵作为计算缺损数据的属性距离,通过敏感属性度高低分为不同的敏感级别,并设置相应的权重ω值,同时让等价类元组的不同敏感级别个数满足阈值γ。接着根据模型设计了加权信息熵匿名算法(Weighted Information Entropy Anonymous Algorithm based on Defect-Sensitive Attributes,WISA^(*))对缺损型数据集进行匿名化。实验结果表明,该算法不仅可以减少等价类信息损失,同时提高了敏感属性的多样性,从而降低了数据隐私泄露风险且复杂度较低。

摘要：针对CO优化过程中计算成本较大,远离最优解的初始点收敛速度较慢的问题,提出一种快速收敛的动态松弛协同优化方法。该方法的计算过程分为两个阶段:加速收敛阶段对松弛因子的计算方法进行改进,采用各学科优化解与优化解均值之间的不一致信息构造松弛因子;优化求解阶段以加速收敛阶段的最优解作为初始点,选取符合一致性精度要求的松弛因子进行协同优化,求得全局最优解。通过典型数值算例和减速器多学科设计优化问题对该方法进行验证,结果表明,该方法能够有效降低计算成本,加快远离最优解初始点的收敛速度。

摘要：针对车联网中的通信需求,本文提出了一种即插即用的可见光车灯信号发送控制装置。装置利用车灯低压直流供电线路进行信号传输,并通过车灯发送可见光通信信号。装置前级将接收的输入信号,由高速开关电路控制线路的供电通断,从而将通信信号传导至后级并由后级控制LED车灯发送可见光信号。通过推导和实验选用电容作为线路储能器件,并采用2FSK调制和Modbus协议建立前后级间通信。实验证明装置可以利用线路实现最快不低于4 Mb/s的信号传输,并通过可见光车灯控制地锁的实验模型,进一步验证了该装置接收信号并通过低压直流供电线路控制车灯发送可见光信号的功能。本设计为利用直流供电线路传输信息并点亮的LED灯实现可见光通信,提供了参考设计模型。

摘要：将可见光通信(VLC)技术与射频标签(RFID)技术相结合,设计制作了一个可见光与RFID的双模无线控制的门禁软硬件系统。多种环境下对系统进行了测试。结果表明,可见光接收信号眼图清晰,系统稳定,传输性能较好,控制效果较理想,可以解决设备接入"最后10m"的问题,有很好的应用推广价值。

摘要：对现有的分解方法进行改进,提出一种基于弱关联的自适应高维多目标进化算法(WAEA).首先,提出一种基于夹角子空间的关联策略,使得一个解能与多个参考向量相关联;其次,提出弱关联概念,并基于此概念设计双模态标量函数,使算法能够更好地处理复杂PF问题,此外,算法通过检测参考向量子空间内解的数量,自适应调整惩罚参数大小,使其能有效处理各类多目标问题;最后,将WAEA算法与8种代表性的高维多目标算法进行比较,实验结果表明WAEA算法在处理复杂Pareto前沿的高维多目标问题时能更好地平衡Pareto最优解的收敛性与多样性.

摘要：传统基于深度学习的语音增强方法为了提高网络对带噪语音的建模能力,通常采用非因果式的网络输入,由此导致了固定时延问题,使得语音增强系统实时性较差。提出一种用于因果式语音增强的门控循环神经网络CGRU,以解决实时语音增强系统中的固定时延问题并提高语音增强性能。为了更好地建模带噪语音信号的相关性,网络单元在计算当前时刻的输出时融合上一时刻的输入与输出。此外,采用线性门控机制来控制信息传输,以缓解网络训练过程中的过拟合问题。考虑到因果式语音增强系统对实时性要求较高,在CGRU网络中采用单门控的结构设计,以降低网络的结构复杂度,提高系统的实时性。实验结果表明,CGRU网络在增强后的语音感知质量、语音客观可懂度、分段信噪比指标上均优于GRU、SRNN、SRU等传统网络结构,在信噪比为0 dB的条件下,CGRU的平均语音感知质量和平均语音客观可懂度分别达到2.4和0.786。

摘要：由于观测频率数有限,传统的基于频率划分的电磁法正反演并行计算方式不具有可扩展并行性,难以通过扩大集群规模以提高计算速度。为此,以大地电磁(MT)Occam反演为例,通过挖掘线性方程组求解、矩阵运算等细粒度并行分量,对传统的大粒度分频方式进行扩展,设计了MPI-OpenMP-CUDA多层次混合并行算法。第一层采用消息传递接口(MPI)以消息传递的方式实现节点间大粒度任务的分发,第二层采用OpenMP以共享内存方式实现节点内中小粒度任务的并行处理,底层采用统一计算设备架构(CUDA)实现节点内GPU的核心计算。给出了理论背景和并行性分析,设计了并行处理流程,对方案的适用性进行了讨论。多个理论模型的试算验证了代码的正确性,评估了计算精度,比较了加速性能。实验结果表明,所设计的算法合理高效,仅利用4个节点,就使较大规模的模型(文中类型2)反演平均加速比达到16倍,最高加速比可达23倍。