以半固态AZ91D镁合金浆料的流变性能的实验研究为基础，通过曲线拟合的方法建立半固态AZ91D镁合金的表观粘度的触变模型.根据此触变模型开发了半固态AZ91D镁合金触变压铸充型过程中的表观粘度计算程序，并嵌入在Castsoft软件中，实现了半固态AZ91D镁合金触变压铸过程的流场和温度场的模拟计算.模拟结果表明：充填速度和浆料温度对半固态AZ91D镁合金浆料的充填过程有显著影响，最佳充填速度的范围为2～5m·s-1，半固态浆料的最佳温度范围为570～580℃

介绍了应用高级语言结合图形化工具仿真动态研究异步电机矢量控制系统的方法.异步电机模型、采用矢量控制策略的变频器模型和通用机械负载模型在simulink中建立并组合为完整的变频调速系统仿真模型.模型被转化嵌入到C++的主程序而得到可以进行全面、动态、可视化仿真的异步电机变频调速系统软件.测试结果表明该方法得到的仿真模型正确,软件功能多样,使用方便

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

简述了滚动轴承运转中时域序列所表现出的自相似性,重构了振动信号对应的嵌入相空间的序列,计算得出分维数,实验结果表明,振动时域序列的分维数在不同工况、不同间隙下是有差别的,可以做为识别轴承故障的特征量

使用SDE空间化Oracle数据库,将GIS空间数据融入关系数据库模型,作为解决GIS与MIS的系统集成问题的方法.该方法使得Arc/Info以文件形式存储的数据\透明\地移植到Oracle关系数据库中,借助Oracle对30GB的海量图形数据进行管理.并将MapObject作为控件嵌入VB中,兼顾存储在SQL Server中的MIS部分的数据,开发研制了\图文一体化\的规划管理信息系统

基于率相关晶体塑性本构模型,分别将Taylor模型和有限单元模型两种多晶模型嵌入大型有限元程序ABAQUS,实现了晶体塑性学有限元模拟.直接将电子背散射衍射(EBSD)获取的晶粒初始取向输入晶体塑性有限元模型,预测了两种不同应变情况下面心1050纯铝轧制织构的演化.模拟结果与EBSD实验测得的织构演化结果有较好的一致性,随着变形程度的增加,预测织构与实测织构变得更加锋锐.经过比较,Taylor型模型预测出了{4411}〈11118〉的Dillamore取向,而有限单元模型预测出了铜型织构取向,比Taylor模型预测结果更接近实验验证结果.两种模型并不能预测出{011}〈211〉黄铜取向、{123}〈523〉S取向、{011}〈100〉Goss取向及其他理想取向

在Gurson损伤模型的基础上，采用有限元数值模拟与温热冲压实验相结合的方法，对镁合金板材温热冲压成形过程中的材料损伤过程进行了预测.考虑了板材的塑性各向异性行为，通过用户自定义材料子程序VUMAT将损伤模型嵌入到有限元软件ABAQUS/Explicit中.采用单轴拉伸试验数据与有限元数值模拟结果进行迭代，确定了Gurson模型所需要的材料参数.使用ABAQUS模拟得到了镁合金板材温热冲压过程中微孔洞的演变及分布规律.通过扫描电子显微镜，对不同温度下的AZ31镁合金板材由孔洞增长和聚合引起的内部损伤演化进行了观察分析.研究结果表明，板材中微孔洞的分布与实验数据相吻合，说明本文所提出的方法可以应用于金属板材温热冲压成形性能预测

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果

深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向