利用Gleeble-1500D热模拟试验机对316LN奥氏体不锈钢进行单道次热压缩试验,分别设置变形温度为900~1200℃、应变速率为0.001~10 s-1、真应变为0.1~0.9及试样的初始晶粒度为122~297μm之间,以研究热变形条件及初始晶粒度对316LN钢动态再结晶行为的影响.对试验数据进行处理,得到临界应变与峰值应变以及临界应力与峰值应力的比值分别为0.38和0.89,建立了动态再结晶动力学方程和晶粒尺寸演变方程.对建立的动态再结晶模型进行修正,将修正后的模型嵌入DEFORM-3D有限元模拟软件中进行计算,发现修正模型的模拟值和试验值符合较好,证明修正模型的准确性

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法

面向过程的程序设计方法采用函数(程)来描述对数据的 操作,但又将函数与数据分离。这种实质上的依赖与形式上 的分离使得所编写出来的大型程序难于控制,严重时甚至可 能导致程序的崩溃。 C++的类体现了OOP技术所要求的抽象和封装机制。类将 欲处理目标的属性(数据)和对其进行操作的方法(函数) 封装成一个整体。这样,既把自然界中的一类实体抽象成一 种具有自主行为的数据类型,同时又将它们的属性隐藏起来 以阻止外界的干扰。 类描述了数据类型的组织形式;对象则是类的实例,是存放 在内存中可操作的变量

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性

在深入分析机架偏心作用机制的基础上,提出了轧机偏心补偿控制信息相域滤波提取方法,它利用机架偏心轧制作用强度与轧制过程中轧辊的机械转动相位密切相关的特点,将轧机的时域轧制数据转换为以轧辊转动相位为参变量的数据进行处理.在线性化相域空间中,与轧辊偏心作用相关的信号呈现出显著的周期化特征,而其余的原时域周期信号在转换过程中均被非周期化.在线性化相域空间中,将轧辊转动轧制作用的往复周期作为指定的循环统计量统计周期.理论分析表明,基于统计方法能够有效地消除噪声的影响,同时抑制非指定线性化相域循环分量,实现机架偏心特性信息的有效获取,其实质是线性化相域空间中的梳状滤波器滤波.依据统计获取的机架偏心特征信息可以为轧机偏心补偿提供一定的数据参考

预测编码是根据信号的一些已知情况,预测信号可 能发生的情况。预测难免有误差,如果我们不直接对信 号编码,而是对预测的误差编码,若预测比较准确,误 差较小,那么预测编码就可以达到压缩数码的目的。 在文件传真时,文件为白纸黑字,如果前一个样点是白, 接着一个样点多半为白;如果前一个样点为黑后继的一 个样点也多半为黑。从条件概率来说,P(白/白)>P(白/黑 )或P(黑/黑)>P(白/黑)。因此若白样点已发生预测 白的可能性大。相反,若黑样点已产生预测黑的可能性 大。这样的预测,在大部分的情况下是对的而只要将部分 不对的进行编码就行了

A题:学生评教的数据分析与处理 教和学是最能影响教学质量的关键因素。因为学校的教学活动是学生与教 师的双边活动。理论上讲,在整个教学质量评价体系中,与教师自评、同行评 教、专家评教相比较,学生评教是最直接最生动、最具有说服力的,最能体 现教师的教学质量的评价手段。因此,利用学生对教师的课堂教学进行客观、 有效的评价是检验和保证课堂教学质量的最有力措施。 许多学校采取了网上评教的方式。学生根据评教指标体系给任课教师打 分,然后计算平均分数,作为评价这名教师的教学情况的一项重要指标进行排 名。这种方法促进了教学质量的提高,同时也给我们提出了问题:这种计算平 均分数的方法对所有参评的教师公平吗?是否会因为个别同学对某位教师的恩 怨给出不公的评分而影响这位教师的排名?参评人数的多少、教师任课门数的 多少是否会影响评价结果?这些都是值得探讨的问题

为解决机器人末端负载的时变性给高速运动的机器人带来控制精度降低的问题，研究了参数差值法、力矩求解法、全局参数辨识法的机器人末端负载动力学参数辨识的方法，以提高末端负载的辨识精度.得到的负载动力学参数用于动力学控制以提高机器人动态精度.通过建立拉格朗日动力学线性辨识模型，以最优激励轨迹进行实时数据采集，采样数据经过低通滤波及中心差分的处理后，代入相应的负载辨识方程式，并用加权最小二乘法解决线性方程组，可辨识到不同负载的动力学参数.实验验证了负载辨识方法的可行性

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法

行星齿轮箱振动信号包含多种频率成分和噪声干扰，频谱具有复杂的边带结构，容易对故障识别造成误导甚至引起错判.在不同故障状态下，行星齿轮箱振动信号的多域特征量将偏离正常范围且偏离程度不同，根据这一特点，提取振动信号的时域、频域特征参量用于故障识别.为了避免传统分析方法中负频率及虚假模态问题，增强对噪声干扰的鲁棒性，采用局部均值分解法将信号自适应地分解为单分量之和，提取时频域单分量瞬时幅值能量.针对多域特征空间构造过程中出现的高维及非线性问题，采用流形学习对数据进行降维处理.提出基于改进的虚假近邻点的本征维数估计及最优k邻域确定方法，并通过等距映射对多域特征空间进行降维分析.对于行星齿轮箱实验信号，根据样本流形特征聚类结果，分别识别出了太阳轮、行星轮和齿圈的局部故障，从而验证了上述方法的有效性