针对设计模式识别结果的假阴性问题与重叠问题,为提高设计模式实例恢复的精确性,提出一种形式化上下无关文法关系驱动的设计模式检测方法.依据设计模式实例中的参与者属性及其关系,以形式化可视化语言描述模式实例的识别文法.在此基础上,改进该文法检测设计模式实例参与者间的附加关系,并识别共享实例的模式.实验结果表明,新方法不仅减少了模式实例的假阴性结果,还解决了模式实例识别的重叠问题,与其他检测方法的精确度、召回率及F-score指标比较,新方法取得了较好的效果

现代电力电子设备对非平稳、时变电压信号十分敏感,基于此提出了一种网侧电压异常检测与预报的方法,通过对网侧电压信号进行实时检测,向相关电力电子设备的控制电路发送网侧电压异常预报信号.为消除电压信号中的常规噪声干扰,首先采用线性跟踪微分器对网侧电压信号进行滤波,在此基础上,通过引入小波变换模极大值法检测奇异点,对滤波后的信号进行电压突变点的判断,目标是准确预报出电网电压中可能对电力电子设备造成危害的异常点.仿真与实验结果表明,基于线性跟踪微分器的小波信号检测能够实时准确地获得理想信号的最佳逼近,提高了网侧电压故障检测速度,通过实时的检测与分析,该方法能够为电力电子设备提供具有参考价值的预报信号

订单接受与不相关并行机调度是订单接受与订单调度的联合决策, 广泛存在于面向定制的多品种混合生产环境中. 针对这一问题, 考虑了顺序与机器依赖的安装时间以及可加工机器限制, 并以最小化总成本为优化目标. 其中, 总成本由被接受订单的总拖期成本和被拒绝订单的总拒绝成本构成. 通过分析订单拒绝对目标的影响, 提出了列表拒绝方法和订单拒绝规则, 进而设计了协同进化遗传算法. 算法将染色体编码分解为订单列表和订单指派两个个体, 提出了基于列表拒绝方法的解码方案来进行订单拒绝决策. 由于两个个体相互独立, 且二者的进化约束不同, 因而引入协同进化策略, 并根据个体的编码特征, 分别采用单亲遗传算子和传统遗传算子进行遗传操作. 数据实验验证了算法的有效性和求解效率, 并对问题规模和订单拒绝成本对算法性能的影响进行了分析

深度神经网络技术用于机械设备故障诊断展现出了巨大潜力，但繁重复杂的计算量对计算机硬件提出了严苛的要求，严重限制了其在实际工程中的应用。基于此提出一种新型的轻量级神经网络ShuffleNet，用于高速列车轮对轴承故障诊断研究。该网络模型基于模块化设计思想，包含多个高效率的ShuffleNet单元，通过运用分组卷积与深度可分离卷积技术极大改善了传统卷积操作的运算效率；同时使用通道混洗方法克服了通道分组带来的约束，改进了网络的损失精度。实验分析表明，所提网络模型可有效用于复杂工况下高速列车轮对轴承故障诊断，相比传统卷积神经网络、残差网络和Xception等当前深度神经网络模型，在保证诊断精度的同时，运行效率得到大幅提升。这为深度神经网络技术应用于工程实际，克服计算机硬件条件限制提供了一条新的途径

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

崩塌灾害的早期预警一直是岩土工程领域研究的热点问题之一.传统的监测预警方法监测指标相对单一, 更多关注于加速破坏前兆的识别, 使得崩塌的早期预警存在诸多困难.本文首先引入动力学监测指标, 对岩土体破坏过程中的动力响应进行综述, 得出基于固有振动频率等动力学监测指标可以为危岩体的损伤提供数据支持.随后基于最新的实验研究发现动力学监测指标可以有效反应边坡的物理力学特征的变化, 进而可以实现岩体损伤与稳定性的动态识别和定量判断.在对国内外现状进行综述发现, 基于分离阶段破坏前兆识别的岩块体崩塌灾害预警思路, 具有更好的时效性, 是未来崩塌早期预警的发展方向, 同时对崩塌的早期预警指标体系进行展望, 得出基于动力学指标、静力学指标和环境量指标三位一体的早期监测预警指标体系, 必将在工程监测与灾害预警方面发挥更大潜力, 为从事应对崩塌等脆性破坏灾害预警预防的研究工作者提供有效参考

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题，本文提出一种面向视网膜脱离手术的硅油填充模拟方法，基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析，并对填充模拟过程进行三维模型构建与可视化，实现医疗过程决策辅助目的。首先对人类眼球与手术器具进行基础建模与模型采样，模拟手术流程中眼球状态；然后，根据水与硅油的密度、黏滞系数、表面张力等不同物理性质，对水?硅油两相流动及交互进行模拟；最后，构建固液交互模型，实现多相液体在眼球中的运动与填充。实验结果表明，本文方法能够较好地呈现眼球内多相流体运动交互效果，实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果，实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟，为预测硅油填充后的眼内状态提供了一种有效的方式，辅助医生进行手术流程规划与效果预测

通过合理的假设对H型钢变形区进行分区.基于流函数方法确定了各个变形区的速度场,建立了H型钢万能轧制力学模型.在此基础上,使用Powell多参数优化算法优化变形区参数以使变形区的总功率达到最小并最终求得H型钢轧制力能参数.计算中采用高斯积分的方法,使得计算结果更加准确.计算结果表明,腹板和翼缘的延伸率相同时,本文模型计算结果与经过实验数据验证的有限元结果的误差不超过1.53%,当偏离标准工况较大时,通过适当修正,亦可保证本文方法的计算精度.在腿腰延伸比λ=1附近时,模型计算的轧制力与有限元结果变化趋势相同.在合理的力臂系数情况下,两者结果吻合较好

为了给数控机床故障的精准诊断提供保障，延长数控机床使用周期，以数控机床历史维修记录为研究对象，对数控机床设备故障领域的命名实体识别进行了研究。在分析历史维修记录中的故障描述特点后，提出了一种基于双向长短期记忆网络（Bidirectional long short-term memory, BLSTM）与具有回路的条件随机场（Conditional random field with loop, L-CRF）相结合的命名实体识别方法。首先，对输入语句进行分词和标注，使用Word2vec中的Skip-gram模型对标注语料进行预训练，将其生成的字向量通过词嵌入层转化为字向量序列；然后，将字向量序列输入BLSTM学习长期依赖信息；最后将句子表达输入L-CRF获取全局最优序列。实验结果表明，该方法明显优于其他命名实体识别方法，为数控机床设备的智能检修与实时诊断任务打下了坚实的基础

碘化铅是有机无机杂化钙钛矿太阳能电池的关键原料, 其使用方法为溶解在二甲基甲酰胺(DMF)中然后制成膜.碘化铅在DMF中的溶解性对电池器件的性能有重要影响.本文经实验判断, 造成碘化铅在DMF中溶解性差的原因是H2O、PbO、PbO2等氧化物在碘化铅晶体表面形成氧化物薄膜, 阻碍其溶解.在一定范围内, 碘化铅在DMF中溶解性取决于碘化铅合成过程中反应溶液的pH值.经过扫描电镜、X射线衍射、X射线光电子能谱等分析检测, 确定有机无机杂化钙钛矿太阳能电池用碘化铅最佳合成pH值为2;且在一定范围内反应溶液pH值、滴速和溶液浓度不会影响碘化铅的微观形貌及其在DMF中的溶解性; 同时发现重结晶、热反应以及慢滴速反应条件会使碘化铅样品在(001)面择优生长