一、正交神经网络的动态建模方法研究（论文文献综述）
赵雨凡[1]（2021）在《基于数据和机理混合驱动的复杂工业软测量方法研究》文中认为复杂工业过程中为了及时获得被控对象的关键信息,经常要对一些参量进行定性或定量的检查和测量,但是由于复杂工业系统结构繁杂多样、变量繁多等特点以及成本和技术等因素限制无法获取过程变量的某些关键信息。软测量技术被广泛应用于解决上述难题,它的核心是模型的建立,目前对复杂工业过程的研究大都致力于对建模方法的研究而忽略了输入特征对目标变量的影响,而且由于复杂工业建模难的特点导致对混合驱动软测量方法的研究相对较少。本文对复杂工业过程建模前的输入数据特征进行处理以及混合模型的建立展开研究,以电站锅炉空气预热器为复杂工业过程的研究对象,将研究内容应用于空气预热器的转子热变形量的预测中。本文具体研究如下:（1）在进行混合驱动建模前先确定数据驱动模型和机理模型。文章首先利用WORKBENCH19.0软件对型号为LAP14948/2400的空气预热器进行了热-应力耦合分析,可知转子发生热变形的形状为“蘑菇状”,然后根据能量守恒定律、边界条件等简化的机制和原理对热应力导致的热应变进行了数学描述,得到了基于机理模型的转子热变形量。（2）在得到空气预热器的工业现场数据后,采用机理模型分析法筛选出与转子热变形量有关的辅助变量,再利用斯皮尔曼相关系数法对输入辅助变量与目标变量之间的相似度进行分析,得到与转子热变形量有密切关联的辅助变量作为可靠输入。受测量仪器精度、工业现场环境差等因素影响,工业现场采集的数据不可避免地有偏差,而输入数据的准确性对于数据驱动软测量建模结果的影响较大,所以在进行数据驱动建模前,本文利用小波阈值去噪的方法对输入数据进行了去噪处理。然后对去噪数据进行归一化操作后选取出互斥的训练样本和测试样本用于数据驱动建模。（3）对（2）中选取的未去噪的数据集分别采用BP神经网络、支持向量回归（Support Vector Regression,SVR）、粒子群优化算法（Particle Swarm Optimization,PSO）的 SVR 进行数据驱动建模后预测了转子的形变量,再利用小波去噪后的数据结合SVR建立起基于小波和SVR相结合的数据驱动软测量方法预测了转子的形变量。结果表明对于复杂工业而言,利用去噪后的数据进行数据驱动建模的预测效果优于未去噪的建模方法而且降低了模型的复杂度。（4）将（3）中建立好的小波与SVR相结合的数据驱动模型和（1）中建立的机理驱动模型分别以并联、串联和杂模的方式结合起来,建立起基于误差、基于叠加及基于权重因子的混合模型,用这三种混合模型对转子热变形量进行预测。实验结果表明文章建立的三种混合驱动中基于权重因子的建模方法优于其他两种混合建模方法同时也优于单一模型,但是基于误差的混合建模方法的表现不如单一模型。混合驱动模型的建立没有固定标准,混合模型的建模效果不一定优于单一模型,要结合具体工业过程分析。本文分别对单一模型和混合模型进行了软测量建模和分析且将其应用于复杂工业过程中加以验证,表明本文提出的基于小波与SVR相结合的数据驱动建模方法的预测精度高于未去噪的数据驱动建模方法,同时在建立的三种混合驱动模型进行了对比找到最适合预测转子热变形量的建模方法。为空气预热器漏风技术的研究提供了较准确的形变量。
孙笠[2]（2021）在《社交网络对齐方法研究》文中认为随着互联网的不断发展,社交网络逐渐成为社会生活的重要组成部分。社交网络不断繁荣,其功能也愈发多彩。人们在微信上交流日常,在人人网上共享资讯,在新浪微博上发布状态,在领英上求职交友。如何挖掘不同社交网络间用户的对应关系,即社交网络对齐问题,至关重要。在产业应用方面,社交网络对齐为用户画像、信息传播、跨域推荐和活动组织等跨网络的分析和挖掘应用扫清了障碍;在国家安全方面,社交网络对齐为身份信息关联、匿名用户发现和舆情分析等重要任务奠定了基础。因此,社交网络对齐问题受到了国内外学者的广泛关注。现有研究集中讨论了用户粒度的对齐方法,其在静态社交网络的多网络对齐及对齐的鲁棒性、动态社交网络对齐等方面存在局限性。在社交网络中,用户通常组织成为社区。将社交网络作为一个宏观的整体,用户构建了社交网络的微观层次,社区构建了社交网络的中观层次。但是,现有研究对社区粒度的对齐问题鲜有探索。因此,本文将从用户和社区两个粒度系统地研究社交网络对齐问题。其中,用户对齐旨在跨社交网络个体分析,社区对齐旨在跨社交网络群体分析。对于用户对齐,本文按照社交网络结构随时间演变的显着程度,将用户对齐分为两个场景:静态社交网络和动态社交网络。对于社区对齐,由于群体相对稳定,且其对社交网络随时间演变的显着程度的敏感性较低,本文不再区分静态社交网络和动态社交网络。本文在以上三个具体的研究点中取得如下创新性成果:（1）针对静态社交网络用户对齐问题,本文提出了一种基于矩阵分解的静态社交网络用户对齐方法。现有文献对静态社交网络对齐进行了初步探索,但是在多网络对齐和对齐的鲁棒性方面均存在局限性。为解决上述局限性,本方法利用已知的结构数据和属性数据学习有效的用户表征,在多个社交网络的公共子空间中,高鲁棒性地实现了用户对齐。本方法首先将此模型形式化为一个正定约束下的协同矩阵分解最优化问题。然后,为求解该问题,提出了一个非凸解耦的交替优化求解算法,并对该算法进行深入的理论分析。为进一步提高本方法的效率,本文提出了一个两阶段并行化框架,以满足准确度和效率两方面的要求。其第一阶段为基于增广图的用户预表征,第二阶段为基于平衡感知模糊聚类,本文分别给出各阶段的最优化问题和轻量化的有效求解方法。最后,本文在真实数据集上开展实验。实验结果表明,本方法有效地提高了用户对齐的准确率。（2）针对动态社交网络用户对齐问题,本文提出了一种基于图神经网络的动态社交网络用户对齐方法。以在线好友平台为代表的社交网络具有显着的动态性。但是,现有用户对齐方法假定社交网络的结构不变,忽略了社交网络的动态性。为解决该问题,本文提出了动态社交网络用户对齐问题。解决本问题面临在网内动态建模、网间对齐建模和模型求解三个方面的挑战。针对网内动态建模,本文提出了一个动态图自编码机神经网络结构以刻画动态模式。针对网间对齐建模,通过一个半非负矩阵分解构造公共子空间,在该子空间中对齐用户。本方法构建了上述动态图自编码机与半非负矩阵分解的协同优化模型,给出其最优化目标。接着,为求解该问题,本文提出了一个有效的交替优化算法,并对此算法做出进一步的理论分析。最后,本文在真实数据集上开展实验。实验结果表明,本方法有效地提高了用户对齐的准确率。（3）针对社交网络社区对齐问题,本文提出了一种基于双曲空间的社交网络社区对齐方法。用户通常由于爱好相似、地理相近等原因组织成为社区。现有方法从不同角度研究了用户粒度的对齐问题,但鲜有对社区粒度的对齐问题进行探索。因此,本文提出了社交网络社区对齐问题。解决本问题面临表征空间选择、社区对齐建模和对齐模型求解三个方面的挑战。针对表征空间选择,本文提出以双曲空间为表征空间,将社交网络用户嵌入到双曲空间。针对社区对齐建模,本文首先提出了一个基于混合双曲聚类模型学习社区表征,然后在以锚用户表征迁移的方式构造双曲公共子空间中对齐双曲社区。本文在双曲空间中构建本模型的最优化目标。接着,为求解此最优化问题,提出了一个基于黎曼几何的交替优化求解算法,并对此算法做进一步的理论分析。最后,本文在真实数据集上开展实验。实验结果表明,本方法可实现高精度和高质量的社区对齐。
梁小慧[3]（2021）在《融合频域信息的时间序列分类方法研究》文中研究说明随着传感器技术和互联网技术的迅速发展,时间序列数据正以一种前所未有的速度不断产生和积累。时间序列中蕴含着丰富的信息,对其进行有效地建模与分析能够帮助人们认识事物的本质特征和发展规律,具有重要的研究意义和应用价值。例如,在网络安全领域,通过监测网络的流量情况,能够及时发现网络流量的异常波动。时间序列分类任务是时间序列分析的重要研究分支。与传统分类问题不同,在时间序列分类过程中,特征之间是存在顺序关系的,这使得时间序列分类问题极具挑战性。在现有的时间序列分类方法中,传统方法过分依赖于时间序列的相似性度量,缺乏广泛的适用性;而基于机器学习的方法需要事先进行复杂的特征提取,费时费力;基于深度学习的方法虽然具有较好的通用性,但是大都仅从时域的角度对时间序列进行建模和分析,而时间序列在时域上往往同时表现出趋势性、季节性、周期性和随机扰动性,仅从时域的角度对其进行建模存在较大的局限性。针对上述问题,本文从时域和频域两个角度对时间序列分类问题开展研究。首先,本文提出了一种基于自适应多级小波分解的时序分类方法（AMWDNet）。考虑到时间序列非平稳非线性的特点,本文设计了自适应多级小波分解模块（AMWD）,将原始输入序列分解为多级高频分量和低频分量。该模块使用神经网络近似地实现了传统的离散小波分解,使得多级时频信息的提取过程能够在训练中根据数据进行自适应地调整。此外,设计了长期时间模式提取模块（LTTP）和短期时间模式提取模块（STTP）分别捕获多级时频信息中的全局趋势变化模式和局部波动变化模式。其次,本文提出了一种基于双通道时频分析的时序分类方法（DCTFNet）。考虑到在有限的时间区间内时间序列中包含的频域信息有限,本文设计了时域模式提取模块（TDPE）和时频模式提取模块（TFDPE）,同时建模原始输入序列中的时域信息和时频信息。此外,TFDPE模块使用多小波分析方法进行时频信息提取,弥补了单小波分析的不足。并且,考虑到在不同业务场景中,不同分辨率的时频信息具有不同的重要性,本文提出了基于通道注意力机制的信息融合方法,对时域信息和多级时频信息进行信息融合。最后,本文选取了目前主流的时序分类方法作为对比方法,在八个不同领域的公开数据集上进行了对比实验。实验结果表明,本文提出的两个分类方法明显优于现有的时间序列分类方法。
张相胜[4]（2021）在《微生物代谢产物发酵过程建模研究》文中研究指明微生物发酵过程往往要涉及到各种生物代谢反应及物理过程和化学反应,机理反应和内部的动态变化很难掌握。其生长过程涉及各种因素,属于典型的非线性系统,机理建模需要长期经验积累,考虑多种因素并进行简化处理。建立合理的数学模型是实现微生物发酵过程优化的基础,受到检测条件与水平的限制,发酵过程控制的许多重要过程变量数据通常是离线取样获得,无法在线实时检测及时反应发酵信息,具有较大时间延迟。此类复杂过程建模和优化技术亟需开展进一步的软测量研究。本文对于微生物代谢产物发酵过程模型结构已知但参数未知、结构和参数都未知情况,分别从发酵过程的工艺机理模型、机理数据混合模型和数据驱动模型三个方面开展研究,主要研究内容为:（1）研究了微生物代谢产物发酵过程中培养环境指标和建立动力学模型与提高发酵产品产量及收率的关系。首先借助响应面分析方法获得了谷氨酸发酵过程最佳的培养环境指标;其次分析了微生物发酵过程的动力学特性,给出了发酵过程通用的动力学模型,并用构造性方法估计出了丙酮酸动力学模型参数;最后分析了基于丙酮酸动力学模型发酵过程平衡点的存在性和稳定性,并分析了稳定性条件。（2）针对微生物代谢产物发酵过程的非线性时变特点,研究了具有非线性特性的Hammerstein模型参数辨识方法。首先推导了针对Hammerstein模型的辅助模型随机梯度算法;其次,为加快算法的收敛速度,借助关键项分离方法,基于辅助模型和梯度搜索原理设计了多新息随机梯度的模型参数辨识算法;最后,提出了辅助模型多新息随机梯度参数辨识方法,实现了Hammerstein结构的青霉素发酵过程模型参数的辨识。实验结果表明,在发酵过程模型结构和阶次已知情况下,该算法能够利用发酵过程的输入输出数据,估计发酵过程的参数,由所建立的模型实现对发酵产物浓度的估计。（3）针对很多微生物代谢产物发酵过程的模型结构未知,不易建模的情况,研究了一种基于多尺度小波支持向量机的发酵过程软测量方法。提出了一种多尺度小波核函数的支持向量机,提高了建模精度。实验结果表明,基于多尺度小波核函数支持向量机的软测量方法建立的谷氨酸模型,获得了较高的谷氨酸浓度、溶解氧和残糖浓度估计精度。（4）为了减小代谢产物发酵过程采集数据中异常值和噪声对回归模型的影响,提出了一种特征加权孪生支持向量回归机。首先选择K近邻方法为每个样本设置基于密度的权重,采用Wards链式聚类算法提取样本的特征信息,并将两者融合到特征加权孪生支持向量回归机的目标函数中。为提升特征加权孪生支持向量回归机的预测性能,选择二次多项式核函数和径向基核函数构成的混合核函数,并采用自适应粒子群算法优化支持向量机的模型参数。实验结果表明,基于混合核函数的特征加权孪生支持向量回归机,建立的谷氨酸发酵过程模型对谷氨酸浓度和残糖浓度估计精度较高。
刘运鹄[5]（2021）在《基于IABC-LS-SVM的水利工程项目建设成本估算与控制方法》文中研究表明水利工程项目是重要的民生工程,它的建设周期长、投资规模大,易受地形、地质、水文等自然条件的影响,同时还会受到当地经济发展状况等市场条件的限制,提高水利工程项目建设成本管理的质量是保证项目实现预定经济目标和充分发挥项目经济效益的重要手段。由于水利工程项目具有较强的公益性,在现行的成本管理模式下,“决算超预算、预算超概算、概算超估算”的现象时有发生,有时甚至会出现成本失控的情况。因此,加强对建设成本的估算与控制,科学评判项目的成本状态是工程项目成本管理工作的一个重要组成部分,也是提高项目成本管理水平和质量的科学手段。本文针对水利工程项目建设成本估算问题具有的小样本数据特征,采用最小二乘支持向量机算法（LS-SVM）作为构建成本估算模型的核心算法,以获得能够表征成本与其影响因素之间复杂非线性关系的回归函数,综合运用因子分析法和敏感性分析方法得到关键成本影响因子作为模型的输入向量,使用Levy飞行算法改进基本人工蜂群算法（ABC）侦查蜂阶段新食物资源的产生方式,并运用改进后的IABC算法确定模型核心参数的取值,以实际收集到的工程数据为例对成本估算模型进行训练和测试以验证模型的有效性和科学性。同时,在本文构建的成本估算模型的基础上,以可接受的项目成本变化百分率值η为基准构建成本控制区间,进而构建成本控制模型,并给出了以本文构建的成本估算模型与控制模型为基础的实现项目全生命周期成本动态控制的思路。工程实例验证结果表明,本文构建的成本估算模型的平均绝对百分比误差（MAPE）小于10%,模型建模时间约为17.0s,说明本文构建的成本估算模型能够充分利用各算法的优势,实现估算精度和建模效率的双重提高。同时,本文构建的成本控制模型能够有效监控项目建设成本的变化,可以通过判断项目完工成本与成本控制区间之间的相对位置关系评判项目的成本状态和管理水平。本文将机器学习算法和仿生智能算法应用到水利工程项目建设成本的估算与控制问题中,对提高工程项目建设成本预测精度和成本管理水平具有一定的推动作用,为实现水利工程项目的高质量成本管理提供了更为便捷的手段和更科学的参考。此外,基于项目全生命周期的工程项目建设成本动态控制方法框架的提出,能够为设计人员、施工组织人员和项目成本管理人员提供一个有力的工具,帮助他们获得更有价值的成本管理信息。
李泓旻[6]（2021）在《波束成形系统线性化与基于神经网络的宽带数字预失真研究》文中研究表明非线性是射频（Radio Frequency,RF）功率放大器（Power Amplifier,PA）的固有特性,其引起的失真是无线通信系统中影响最大的射频损伤。功放的非线性会导致信号的误码率提高和干扰邻近信道。数字预失真（Digital Predistortion）是修正功放非线性的主流手段,其以优秀的线性化性能、编程灵活、实现简单和低成本等优点成为了无线通信系统中的重要组成部分。随着日常生活和工业生产对无线通信高速率、大容量和低时延需求的日益提高,现代无线通信系统逐渐朝着高频段、大带宽的趋势发展,为了提高数据传输速率和系统容量,MIMO技术和波束成形技术也被引入到无线通信系统之中。由于大带宽信号带来的高峰均比,加剧了无线通信系统中功率放大器的非线性失真。另外,随着高频段例如毫米波频段的应用,现代基站呈现小型化甚至微型化的趋势,每一个基站的体积和功耗大大减少。因此,本文针对上述问题,就MIMO波束成形架构下的DPD、宽带功放的神经网络建模和低复杂度的DPD自适应算法这三个内容来进行研究。本文围绕MIMO波束成形架构的数字预失真技术,首先分析了单用户波束成形DPD的系统模型,引入基于用户或波束的DPD架构,该架构的反馈回路上设置逆波束成形模块用于近似远场的波束信号。然后基于单用户波束成形系统模型,进一步推导了多用户波束成形系统的非线性模型。随后针对全功放反馈架构的高硬件复杂度的问题,提出一种基于单路功放反馈的多用户波束成形DPD方法,通过单路功放反馈进行前向建模,利用阵列中功放非线性特性近似的特点使用该功放模型近似整个阵列的功放模型,从而估计所有功放的输出进而估计远场的波束信号,并用于DPD参数的提取。该架构可以以较低的复杂度实现对多用户波束成形系统的线性化。进一步地,针对功放特性不一致的问题,结合预训练提出一种低复杂度的功放差异补偿方法,可以使基于单路功放反馈的多用户波束成形DPD方法可以应用在非理想的功放特性不一致的实际系统中。在基于功放差异补偿的DPD方法的基础上,根据功放的非线性特性,提出一种通过简单的功率补偿系数对功放差异系数进行修正的手段,来处理功率变化的情况,在避免过多的预训练的前提下,可以实现有效的DPD线性化。关于宽带功放的神经网络建模,本文主要研究了新型的基于矢量分解机制的循环神经网络。功放的非线性往往取决于信号的包络,其非线性项主要由基带信号的幅度决定,幅度非线性函数的输出通过相位进行加权得到功放的输出,这种机制即矢量分解机制。然而,传统的神经网络模型的非线性操作大部分均直接作用于I/Q输入,并不符合功放的非线性机制。且传统的基于多层感知机的DPD神经网络模型对记忆效应建模能力不足,无法应用于宽带功放建模中。因此本文利用循环神经网络优秀的记忆效应建模能力,并引入矢量分解机制,设计新型的基于矢量分解机制的LSTM模型——VDLSTM模型,该模型与传统模型相比,有着更好的宽带功放建模能力。进一步地,针对LSTM网络隐藏状态对应的传递矩阵系数过多的问题,基于功放的物理机制设计了维度更低的隐藏状态,并基于新的隐藏状态设计了新的网络单元,得到简化的VDLSTM模型——SVDLSTM模型。该模型可以有效降低VDLSTM网络模型系数的个数,并保持与VDLSTM模型相当的性能。低复杂度的数字预失真提参架构也是数字预失真的热点研究内容。数字预失真自适应过程中往往需要进行大量的乘法运算和加法运算。相比于加法运算,乘法运算往往计算周期较长、功耗较大,本文针对这一问题,设计了一种低复杂度的数字预失真自适应算法。该算法参考符号回归器最小均方算法,对基于直接学习结构的二阶高斯牛顿算法中的回归矩阵进行单比特量化或符号化,从而减少计算过程中大部分的乘法运算。针对数字预失真常用模型生成的回归矩阵经过单比特量化会存在相同的基函数这一问题,引入了基于主成分分析的正交变换,对正交变换后的回归矩阵进行单比特量化或符号化。该方法可以避免求解不稳定的问题。进一步地,将符号化的正交回归矩阵与正交回归矩阵的相关矩阵近似为一个对角阵,使基于符号正交回归器的自适应算法可以对每一个DPD参数进行独立提取。紧接着,本文将基函数降维和符号回归器算法相结合,从基函数个数和自适应过程的运算类型两个方面同时降低数字预失真自适应的计算复杂度。特别地,引入了 DOMP算法和符号正交回归器算法相结合。
张露熹[7]（2021）在《五轴数控机床误差补偿及精度可靠性评估》文中研究指明数控机床代表着精密制造的技术水平,其精度和可靠性是衡量加工零件质量和安全性能的重要指标。提高机床的加工精度,保证机床的使用可靠性,对数控机床的发展和国家制造水平的提升具有重要意义。对误差变化的规律进行分析建模,并运用计算机计算、预测和控制在加工过程中人为制造一个相反的误差与之补偿,能实现机床加工精度的大幅提高。本课题详细介绍了误差补偿相关过程和技术,分析了旋转轴位置对机床综合误差的影响,建立了数学模型,并利用可靠性理论对机床精度可靠性进行评估。主要工作成果如下:（1）介绍了误差补偿技术,分析误差补偿在提高机床精度方面的显着优势。从误差和误差来源、误差元素建模技术、误差检测和测温点的选择优化、机床运动模型及综合误差的建立以及误差补偿控制系统的实施方案和效果检验等方面进行论述,显示出误差补偿的科学性和工程性。（2）基于多体系统理论建立机床综合误差模型。首先利用齐次坐标变换,分析机床静止和运动状态得到机床静止和运动特征矩阵。其次考虑误差源的产生和对机床运动过程的影响,建立静止和运动误差矩阵。最后由刀具切削点和工件成型点的理想情况下和实际状态中的空间坐标关系得到机床综合误差模型。（3）基于正交多项式回归方法建立了可用于误差补偿的多项式模型。运用正交多项式对机床综合误差数据进行统计分析,保留显着的回归项,计算回归系数并得到回归函数。通过比较可以看出回归模型对于原数据点具有良好的拟合程度,其拟合残差与原始误差相比大幅减小且波动较低,在误差建模补偿中有较好效果。（4）基于可靠性理论和可靠度方法分析了机床精度的可靠性。运用验算点法对机床精度功能函数中的随机误差变量进行迭代,并得到允许误差内的可靠性指标,该指标表明机床精度具有较高可靠性。并运用蒙特卡洛法对误差变量进行抽样分析后,再次验证了验算点法的结论。
Editorial Department of China Journal of Highway and Transport;[8]（2021）在《中国桥梁工程学术研究综述·2021》文中认为为了促进中国桥梁工程学科的发展,系统梳理了近年来国内外桥梁工程领域（包括结构设计、建造技术、运维保障、防灾减灾等）的学术研究现状、热点前沿、存在问题、具体对策及发展前景。首先总结了桥梁工程学科在新材料与结构体系、工业化与智能建造、抗灾变能力、智能化与信息化等方面取得的最新进展;然后分别对上述桥梁工程领域各方面的内容进行了系统梳理:桥梁结构设计方面重点探讨了钢桥及组合结构桥梁、高性能材料与结构、深水桥梁基础的研究现状;桥梁建造新技术方面综述了钢结构桥梁施工新技术、预制装配技术以及桥梁快速建造技术;桥梁运维方面总结了桥梁检测、监测与评估加固的最新研究;桥梁防灾减灾方面突出了抗震减震、抗风、抗火、抗撞和抗水的研究新进展;同时对桥梁工程领域各方向面临的关键问题、主要挑战及未来发展趋势进行了展望,以期对桥梁工程学科的学术研究和工程实践提供新的视角和基础资料。（北京工业大学韩强老师提供初稿）
刘佩杰[9]（2020）在《钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究》文中指出随着列车轴重和运量的不断增加,钢轨与车轮之间的服役条件变得更加复杂和恶劣,钢轨与车轮动态接触过程中容易产生波磨、核伤和剥离等各种缺陷,钢轨病害会给列车的平稳运行造成安全隐患,因此必须要及时去除钢轨表面缺陷。钢轨铣-磨列车凭借其优良的作业精度和切削能力已逐渐成为铁路养护行业使用的重要轨道修复设备。随着我国铁路行业的持续快速发展,对钢轨铣-磨列车的需求与日俱增,目前我国对钢轨铣-磨列车仍然主要依靠从国外进口,关于钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配性能尚缺乏系统性研究。本文面向钢轨铣-磨修复并围绕钢轨材料高温动态力学性能分析及本构模型建立、钢轨铣-磨力热特性和表面完整性变化规律以及机加工后轮/轨对偶匹配等核心问题开展系统性研究,有助于提高钢轨表面修复质量并改善车轮和钢轨的服役性能,从而提高列车运行的安全性、稳定性和可靠性,具有重要的学术价值和实际意义。主要研究工作包括:（1）对U71Mn钢轨材料在高温和大应变率条件下的动态力学性能进行系统性研究并探讨钢轨材料的应变率敏感效应、温度敏感效应、应变硬化效应及微观组织演化规律。同时,建立钢轨材料的原始Johnson-Cook本构模型并对其进行修正,借助VUMAT用户材料子程序对修正的钢轨材料本构模型进行二次开发,为钢轨铣-磨有限元仿真研究提供理论和技术支撑。结果表明,钢轨材料的流动应力具有温度敏感性和应变率敏感性,并且温度对钢轨材料流变行为的影响比应变率对其影响更加显着;压缩变形温度和应变率对钢轨材料的显微组织有显着影响;修正的Johnson-Cook本构模型可以良好地反映U71Mn钢轨材料在高温大应变率条件下的流变行为。（2）研究U71Mn钢轨材料铣-磨力热特性。以钢轨铣-磨应用工况为设计参考并自主研发和搭建可靠的钢轨铣-磨专用实验台,通过正交试验设计分别建立钢轨成形铣削力模型和成形磨削力模型,并用F检验法对模型的可靠性进行验证。基于线热源法分别建立钢轨成形铣削温度场模型、成形磨削温度场模型及铣-磨联合温度场模型。同时,通过已经进行二次开发的钢轨材料修正Johnson-Cook本构方程建立钢轨铣削和磨削温度有限元模型并进行分析。结果表明,建立的铣削力和磨削力数学模型均具有很高的可信度;建立的温度场数学模型能够良好反应钢轨加工过程中的温度变化规律;建立的钢轨铣削和磨削温度有限元模型能够良好反应钢轨加工过程中的温度变化趋势。（3）使用单因素实验法分别探究U71Mn钢轨材料成形铣削和和成形磨削表面完整性变化规律并对其进行机理分析,具体的表征参量包括已加工表面粗糙度和表面形貌、表层残余应力、亚表面塑性变形层及加工硬化。同时,将不同加工参数下获得已加工表面粗糙度作为训练样本并基于RBF人工神经网络分别建立钢轨成形铣削和成形磨削表面粗糙度预测模型,从而为钢轨修复提供实验和理论依据,并为机加工后轮/轨材料的对偶匹配研究打下基础。结果表明,钢轨成形铣削和成形磨削后表层横向残余应力和纵向残余应力均表现为压应力,并且纵向残余应力大于横向残余应力;钢轨成形铣削和成形磨削后发生不同程度的亚表面塑性变形并呈现出不同程度的加工硬化现象;磨屑形态主要呈现为带状磨屑,也伴随少量球形磨屑,且球形磨屑的氧化程度最高;所建立的RBF神经网络对已加工表面粗糙度具有良好的预测性能。（4）系统性研究机加工后轮/轨材料对偶匹配性能。对U71Mn钢轨进行变参数磨削,对CL60列车车轮进行变参数车削,并检测其表面粗糙度、显微硬度和亚表面塑性变形层,然后在干式条件下通过变换轮/轨摩擦副分别对机加工后轮/轨材料的滑动摩擦磨损性能及滚-滑摩擦磨损性能进行系统性研究,从摩擦系数、磨损量、亚表面塑性变形层和磨损表面形貌等方面分析机加工后轮/轨材料表面完整性对摩擦磨损特性的影响规律。结果表明:机加工后轮/轨材料进行滑动接触后,钢轨试块塑性变形层厚度的增加幅度大于车轮试环;钢轨材料的磨损损耗远大于车轮材料;钢轨试块的表面损伤比车轮试环严重。机加工后轮/轨材料进行滚-滑接触后,钢轨试环的塑性变形层厚度大于车轮试环;车轮材料的磨损损耗远大于钢轨材料;车轮试环的表面损伤比钢轨试环严重。无论是滑动接触还是滚-滑接触,不同机加工参数的轮/轨试样配对后产生不同的摩擦系数,且初始表面粗糙度大的车轮试环在对磨过程中产生相对更大的摩擦系数;钢轨和车轮试样的表面硬度均显着提高;机加工后轮/轨材料的表面粗糙度、显微硬度及亚表面塑性变形层综合影响其对偶匹配性能,具有适当表面显微硬度和表面粗糙度的试样配对后其总磨损量最小。
魏世银[10]（2020）在《大跨桥梁结构健康诊断和管养决策的机器学习方法研究》文中研究指明大跨桥梁结构是城市交通网中的重要节点,在区域经济发展中发挥着至关重要的作用。然而在长期服役过程中,大跨桥梁结构不可避免地因遭受环境侵蚀、往复荷载及突发灾害等耦合作用造成结构性能退化,极端情况下甚至可能导致灾难性事故的发生,严重威胁着我国城市化进程的可持续发展。大跨桥梁结构的全寿命管养已经引起了世界范围内的广泛关注。结构健康监测技术通过安装多种类型的传感器实时采集桥梁结构的荷载及响应信息,为实现大跨桥梁结构健康诊断和结构管养决策提供了技术基础。当前,国内外学者一般采用基于动力反演的方法进行结构系统辨识和健康诊断。然而,一方面有限测点下监测数据集不完备造成的动力反演方程不适定、求解结果不唯一的问题难以解决,另一方面结构低阶频率特征对结构的局部损伤不敏感,传统的结构健康诊断方法研究遇到瓶颈。结构健康监测系统积累了关于结构状态信息的海量数据,但却由于缺乏标准、高效的数据处理和挖掘方法导致其在长久以来并没有得到充分的重视,造成了数据资源的浪费。如何充分地挖掘结构健康监测大数据中隐含结构状态关键信息,发展基于结构健康监测数据相关性模型结构健康诊断方法,进而进行结构全寿命管养决策成为当前大跨桥梁结构全寿命管养的重要研究课题。为此,本文基于结构健康监测大数据研究了结构健康诊断与管养决策的机器学习方法。本文的主要研究内容如下:研究基于轮载应变的大跨桥梁正交异性钢桥面板裂缝识别方法。首先分析车辆荷载作用下正交异性钢桥面板的应变响应数据特征;其次基于离散小波变换对应变监测数据多源作用效应进行解耦,得到具有高信噪比和强局部效应的轮载应变成分;然后基于动态时间规整建立轮载应变响应的时空相关模型,提出钢桥面板裂缝损伤敏感的轮载应变比特征;最后基于轮载应变比统计模型退化提出钢桥面板裂缝识别方法,利用某大跨悬索桥钢桥面板应变监测数据对方法进行了有效性验证。研究基于车致索力统计模式识别的大跨斜拉桥拉索健康诊断方法。首先分析大跨斜拉桥索力响应数据特征,基于索力分段中位数对索力监测数据多源作用效应进行解耦,剔除温度等环境作用、得到车致索力数据;其次基于斜拉索力学模型建立上下游拉索车致索力相关模型,提出车致索力比特征;然后建立车致索力比的高斯混合模型,并采用期望最大化算法得到仅与拉索相对状态有关的模型参数;最后提出拉索状态评估的定性与定量方法,并采用某大跨斜拉桥10年的拉索索力监测数据进行验证。研究基于长短时记忆网络（Long Short-Term Memory,LSTM）自学习特征的大跨斜拉桥拉索群健康诊断方法。考虑到基于统计模式识别的方法依赖于结构状态特征提取,采用具有无监督特征自学习特征性能的深度学习网络端到端地训练拉索群车致索力。基于LSTM网络建立拉索群车致索力时空相关模型,采用运行初期车致索力监测数据训练拉索群结构状态基准模型,建立基于基准模型车致索力时序预测残差的大跨斜拉桥拉索群状态评估方法,并采用某大跨斜拉桥拉索群索力监测数据进行验证。研究基于深度强化学习的桥梁结构全寿命管养决策方法。针对结构全寿命管养的物理过程——即在有约束的条件下通过养护操作对环境侵蚀下的结构状态进行控制,在马尔科夫决策过程框架下,以桥梁状态退化模型为环境,以维修花费和结构状态评价为奖励、以结构养护为动作,基于深度强化学习建立桥梁结构管养决策方法,方法具有普遍性、可适用于不同复杂度的结构管养决策,最后以简支梁桥面板及大跨斜拉桥仿真数据为例对方法的有效性进行了验证。
二、正交神经网络的动态建模方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、正交神经网络的动态建模方法研究（论文提纲范文）
（1）基于数据和机理混合驱动的复杂工业软测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 复杂工业过程介绍 |
| 1.2 课题研究背景及意义 |
| 1.3 软测量方法的研究现状 |
| 1.3.1 基于机理驱动的软测量方法研究现状 |
| 1.3.2 基于数据驱动的软测量方法研究现状 |
| 1.3.3 基于混合驱动的软测量方法研究现状 |
| 1.4 本文主要研究内容 |
| 1.5 全文的结构安排 |
| 2 相关理论基础 |
| 2.1 软测量基本理论 |
| 2.1.1 软测量的基本概念 |
| 2.1.2 软测量模型建立的基本步骤 |
| 2.2 软测量建模方法概述 |
| 2.2.1 相关性检验 |
| 2.2.2 小波阈值去噪 |
| 2.2.3 支持向量回归 |
| 2.2.4 粒子群优化算法 |
| 2.3 课题应用实例分析 |
| 2.3.1 空气预热器简介 |
| 2.3.2 空气预热器转子热变形分析 |
| 2.3.3 空气预热器漏风分析 |
| 2.4 本章小结 |
| 3 基于数据驱动的软测量方法 |
| 3.1 工业过程数据的处理及分析 |
| 3.1.1 工业过程数据采集 |
| 3.1.2 辅助变量的选择 |
| 3.1.3 小波分析进行数据去噪 |
| 3.1.4 数据集的选择及归一化 |
| 3.2 基于数据驱动的软测量方法建模 |
| 3.2.1 基于BP神经网络的软测量方法 |
| 3.2.2 基于支持向量回归的软测量方法 |
| 3.2.3 基于粒子群优化算法的支持向量机的软测量方法 |
| 3.2.4 基于小波分析和支持向量机的软测量方法 |
| 3.3 本章小结 |
| 4 基于数据和机理混合驱动的软测量方法 |
| 4.1 软测量方法的整体设计 |
| 4.2 混合驱动软测量建模方法概述 |
| 4.3 混合驱动软测量建模 |
| 4.3.1 基于误差的混合驱动软测量建模 |
| 4.3.2 基于叠加的混合驱动软测量的建模 |
| 4.3.3 基于权重因子的混合驱动的软测量建模 |
| 4.4 实验结果分析 |
| 4.4.1 机理模型建模结果分析 |
| 4.4.2 数据驱动模型建模结果分析 |
| 4.4.3 混合驱动模型建模结果分析 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（2）社交网络对齐方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究内容 |
| 1.3 本文的主要贡献 |
| 1.4 本文的组织结构 |
| 第二章 社交网络对齐问题综述与相关技术介绍 |
| 2.1 社交网络对齐问题综述 |
| 2.1.1 基本研究框架 |
| 2.1.2 研究现状 |
| 2.1.3 现有研究的局限 |
| 2.2 相关技术介绍 |
| 2.2.1 矩阵分解 |
| 2.2.2 图神经网络 |
| 2.2.3 双曲空间 |
| 第三章 基于矩阵分解的静态社交网络用户对齐方法 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 基于矩阵分解的用户对齐方法 |
| 3.3.1 方法概述 |
| 3.3.2 有约束的双重表征模型 |
| 3.3.3 非凸解耦的交替优化算法 |
| 3.3.4 收敛性分析 |
| 3.4 基于模糊聚类的并行化对齐方法 |
| 3.4.1 方法概述 |
| 3.4.2 增广图辅助表征阶段 |
| 3.4.3 平衡感知的模糊聚类阶段 |
| 3.5 实验与分析 |
| 3.5.1 数据集 |
| 3.5.2 评价指标 |
| 3.5.3 对比方法 |
| 3.5.4 参数设置 |
| 3.5.5 结果和分析 |
| 3.6 本章小结 |
| 第四章 基于图神经网络的动态社交网络用户对齐方法 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于图神经网络的联合优化模型 |
| 4.3.1 模型概述 |
| 4.3.2 动态图自编码机 |
| 4.3.3 本征表示学习 |
| 4.3.4 联合优化模型 |
| 4.4 协同图深度学习的交替优化算法 |
| 4.4.1 算法概述 |
| 4.4.2 投影矩阵最优化子问题 |
| 4.4.3 本征矩阵最优化子问题 |
| 4.4.4 收敛性分析 |
| 4.5 实验与分析 |
| 4.5.1 数据集 |
| 4.5.2 评价指标 |
| 4.5.3 对比方法 |
| 4.5.4 参数设置 |
| 4.5.5 结果和分析 |
| 4.6 本章小结 |
| 第五章 基于双曲空间的社交网络社区对齐方法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 基于双曲空间的社区对齐模型 |
| 5.3.1 模型概述 |
| 5.3.2 表征空间选择 |
| 5.3.3 双曲空间与庞加莱球模型 |
| 5.3.4 社交网络的双曲空间嵌入 |
| 5.3.5 混合双曲聚类模型 |
| 5.3.6 社区对齐的最优化问题 |
| 5.4 基于黎曼几何的交替优化算法 |
| 5.4.1 算法概述 |
| 5.4.2 社区表征最优化子问题 |
| 5.4.3 公共子空间最优化子问题 |
| 5.4.4 可识别性分析 |
| 5.5 实验与分析 |
| 5.5.1 数据集 |
| 5.5.2 评价指标 |
| 5.5.3 对比方法 |
| 5.5.4 参数设置 |
| 5.5.5 结果和分析 |
| 5.6 本章小节 |
| 第六章 结束语 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的论文与研究成果 |
| 攻读博士学位期间获得的主要荣誉 |
（3）融合频域信息的时间序列分类方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 相关理论基础 |
| 2.1 时间序列理论基础 |
| 2.1.1 时间序列分类的相关定义 |
| 2.1.2 时间序列分类的难点 |
| 2.1.3 时间序列的表示方法 |
| 2.2 小波分析理论基础 |
| 2.2.1 小波变换 |
| 2.2.2 多分辨率分析 |
| 2.2.3 Mallat算法 |
| 2.3 深度神经网络理论基础 |
| 2.3.1 卷积神经网络 |
| 2.3.2 长短期记忆网络 |
| 2.3.3 注意力机制 |
| 2.4 本章小结 |
| 3 基于自适应多级小波分解的时间序列分类方法 |
| 3.1 问题分析 |
| 3.2 模型描述 |
| 3.2.1 模型整体结构 |
| 3.2.2 自适应多级小波分解 |
| 3.2.3 基于Transformer的长期时间模式提取 |
| 3.2.4 基于ResNet的短期时间模式提取 |
| 3.2.5 多级时频信息融合 |
| 3.2.6 模型训练 |
| 3.3 实验设置与结果分析 |
| 3.3.1 数据集介绍 |
| 3.3.2 实验设置 |
| 3.3.3 基准方法 |
| 3.3.4 实验评价指标 |
| 3.3.5 对比实验 |
| 3.3.6 消融实验 |
| 3.4 本章小结 |
| 4 基于双通道时频分析的时间序列分类方法 |
| 4.1 问题分析 |
| 4.2 模型描述 |
| 4.2.1 模型整体结构 |
| 4.2.2 基于Transformer和ResNet的时域模式提取 |
| 4.2.3 基于改进的AMWDNet的时频模式提取 |
| 4.2.4 基于通道注意力机制的信息融合 |
| 4.2.5 模型训练 |
| 4.3 实验设置与结果分析 |
| 4.3.1 数据集介绍 |
| 4.3.2 实验设置 |
| 4.3.3 基准方法 |
| 4.3.4 实验评价指标 |
| 4.3.5 对比实验 |
| 4.3.6 消融实验 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）微生物代谢产物发酵过程建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题提出和研究意义 |
| 1.2 微生物代谢产物发酵过程建模研究概况 |
| 1.2.1 发酵过程工艺机理建模的现状 |
| 1.2.2 发酵过程混合模型辨识的现状 |
| 1.2.3 发酵过程基于数据驱动的软测量 |
| 1.3 微生物代谢产物发酵过程模型类别 |
| 1.3.1 发酵过程模型的分类 |
| 1.3.2 微生物发酵过程建模一般步骤 |
| 1.4 论文研究内容 |
| 第二章 代谢产物发酵过程动力学模型及稳定性分析 |
| 2.1 引言 |
| 2.2 发酵培养条件分析 |
| 2.2.1 微生物营养要素 |
| 2.2.2 微生物培养环境条件 |
| 2.2.3 培养环境优化技术 |
| 2.3 微生物发酵过程培养基及其优化 |
| 2.3.1 培养基的基本构成 |
| 2.3.2 培养基条件的优化 |
| 2.4 微生物发酵过程物料平衡分析 |
| 2.4.1 基本公式 |
| 2.4.2 微生物发酵过程生长和底物消耗动力学模型 |
| 2.4.3 微生物发酵过程比生长速率分析 |
| 2.5 发酵过程通用动力学模型 |
| 2.5.1 微生物生长、维持、死亡状态空间模型 |
| 2.5.2 丙酮酸发酵过程动力学模型 |
| 2.6 丙酮酸发酵过程模型稳定性分析 |
| 2.6.1 丙酮酸发酵过程动力学方程的平衡点 |
| 2.6.2 丙酮酸发酵动力学方程平衡点的稳定性 |
| 2.7 本章小结 |
| 第三章 基于Hammerstein模型的发酵过程参数辨识 |
| 3.1 引言 |
| 3.2 Hammerstein非线性输出误差模型描述 |
| 3.3 非线性输出误差模型参数辨识的梯度迭代算法 |
| 3.3.1 算法推导 |
| 3.3.2 仿真实验 |
| 3.4 辅助模型多新息随机梯度算法 |
| 3.4.1 辅助模型多新息随机梯度算法推导 |
| 3.4.2 仿真实验 |
| 3.5 青霉素发酵过程参数辨识 |
| 3.5.1 发酵过程的多模型结构 |
| 3.5.2 仿真实验 |
| 3.5.3 青霉素发酵工艺 |
| 3.5.4 青霉素发酵过程参数辨识 |
| 3.6 本章小结 |
| 第四章 基于多尺度小波支持向量机的发酵过程软测量研究 |
| 4.1 引言 |
| 4.2 小波核函数的基本原理 |
| 4.2.1 希尔伯特空间和小波框架 |
| 4.2.2 基于框架的核函数 |
| 4.2.3 小波函数分析 |
| 4.3 多尺度小波核函数 |
| 4.3.1 多分辨分析 |
| 4.3.2 小波函数和小波空间分析 |
| 4.4 多尺度小波核函数支持向量机 |
| 4.4.1 支持向量机 |
| 4.4.2 多尺度小波核函数的支持向量机 |
| 4.4.3 仿真实验及应用 |
| 4.5 小波支持向量机在谷氨酸软测量中的应用 |
| 4.5.1 谷氨酸工艺过程概述 |
| 4.5.2 实验材料与方法 |
| 4.5.3 训练数据的预处理 |
| 4.5.4 支持向量回归机的软测量建模 |
| 4.5.5 多尺度小波核函数的支持向量回归机软测量建模 |
| 4.6 本章小结 |
| 第五章 基于孪生支持向量机的发酵过程软测量研究 |
| 5.1 引言 |
| 5.2 特征加权孪生支持向量回归机 |
| 5.2.1 孪生支持向量回归机 |
| 5.2.2 位置特征和结构特征 |
| 5.2.3 特征加权孪生支持向量回归机 |
| 5.2.4 连续超松弛方法 |
| 5.3 谷氨酸发酵参数选择 |
| 5.3.1 数据的来源 |
| 5.3.2 输入输出变量的确定 |
| 5.4 谷氨酸发酵过程软测量建模 |
| 5.4.1 混合核函数 |
| 5.4.2 特征孪生支持向量回归机参数的自适应粒子群寻优 |
| 5.4.3 混合核函数的孪生支持向量机参数优化 |
| 5.4.4 特征加权孪生支持向量机的发酵过程建模 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在攻读博士学位期间发表的论文及其他成果 |
（5）基于IABC-LS-SVM的水利工程项目建设成本估算与控制方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 工程项目成本估算方法的研究现状 |
| 1.2.1 基于类比和回归思想的传统成本估算方法 |
| 1.2.2 基于现代数学理论的成本估算方法 |
| 1.2.3 基于人工智能的成本估算方法 |
| 1.3 论文的研究思路 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 相关理论基础 |
| 2.1 支持向量机理论 |
| 2.1.1 结构风险最小化原理 |
| 2.1.2 支持向量机算法的原理 |
| 2.2 最小二乘支持向量机算法的原理 |
| 2.3 基本人工蜂群算法的原理 |
| 2.4 本章小结 |
| 3 水利工程项目建设成本估算模型输入向量的确定 |
| 3.1 水利工程项目建设费用的构成 |
| 3.2 确定模型输入向量的原则 |
| 3.3 模型输入向量的初步确定 |
| 3.4 模型输入向量的冗余处理 |
| 3.4.1 因子分析法 |
| 3.4.2 敏感性分析方法 |
| 3.5 模型输入向量的确定 |
| 3.6 本章小结 |
| 4 基于IABC-LS-SVM的水利工程项目建设成本估算模型 |
| 4.1 样本数据的处理 |
| 4.1.1 训练集和测试集的确定 |
| 4.1.2 样本数据的归一化处理 |
| 4.2 核函数及核参数的确定 |
| 4.3 基于正交试验法的模型参数敏感性分析 |
| 4.3.1 正交试验法的基本原理 |
| 4.3.2 正交试验结果的分析方法 |
| 4.4 基于IABC的模型参数优化方法 |
| 4.5 基于IABC-LS-SVM的成本估算模型的构建方法 |
| 4.6 本章小结 |
| 5 案例分析 |
| 5.1 案例基本情况 |
| 5.2 模型输入向量的确定 |
| 5.3 成本估算模型的构建 |
| 5.3.1 样本数据的处理 |
| 5.3.2 核函数的确定 |
| 5.3.3 基于正交试验法的模型参数敏感性分析 |
| 5.3.4 基于IABC的模型参数优化 |
| 5.3.5 基于IABC-LS-SVM的成本估算模型的构建 |
| 5.3.6 模型性能分析 |
| 5.4 本章小结 |
| 6 水利工程项目建设成本控制模型 |
| 6.1 水利工程项目建设成本控制模型的构建方法 |
| 6.1.1 工程项目成本状态的判断标准 |
| 6.1.2 工程项目建设成本控制模型的构建步骤 |
| 6.2 水利工程项目建设成本控制模型案例分析 |
| 6.2.1 案例情况 |
| 6.2.2 工程项目建设成本控制模型的构建 |
| 6.3 基于项目全生命周期的工程项目建设成本动态控制方法框架 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 附录 A 原始样本数据集 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）波束成形系统线性化与基于神经网络的宽带数字预失真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 数字预失真的基本原理和研究现状 |
| 1.2.1 数字预失真的基本原理 |
| 1.2.2 数字预失真的研究现状 |
| 1.3 本文研究思路和工作安排 |
| 第2章 射频功率放大器的建模与数字预失真原理 |
| 2.1 引言 |
| 2.2 射频功率放大器的非线性和表征方法 |
| 2.2.1 射频功放放大器的非线性特性 |
| 2.2.2 功放非线性的表征方法 |
| 2.3 功放的非线性行为建模 |
| 2.3.1 基于Volterra级数的多项式模型 |
| 2.3.2 基于分段线性函数的模型 |
| 2.3.3 神经网络模型 |
| 2.3.4 MIMO架构下的功放非线性行为模型 |
| 2.4 数字预失真的提参结构 |
| 2.4.1 间接学习结构 |
| 2.4.2 直接学习结构 |
| 2.4.3 迭代学习控制结构 |
| 2.4.4 不同学习结构的优缺点 |
| 2.5 本章小结与讨论 |
| 第3章 低复杂度的波束成形DPD架构 |
| 3.1 波束成形DPD的基本模型 |
| 3.1.1 单用户波束成形DPD |
| 3.1.2 多用户波束成形DPD |
| 3.2 基于单路功放反馈的波束成形DPD |
| 3.2.1 基本原理 |
| 3.2.2 功放特性不一致情况下的单路功放反馈DPD提取方法 |
| 3.2.3 功率变化情况下的单路功放反馈DPD提取方法 |
| 3.3 仿真对比验证 |
| 3.3.1 基于单路功放反馈的多用户波束成形DPD方法验证 |
| 3.3.2 基于功放差异补偿的单路功放反馈波束成形DPD |
| 3.3.3 基于功放差异补偿和功率调整的单路功放反馈波束成形DPD |
| 3.4 本章小结与讨论 |
| 第4章 基于矢量分解的循环神经网络DPD模型 |
| 4.1 引言 |
| 4.2 基于矢量分解的LSTM模型 |
| 4.2.1 矢量分解机制 |
| 4.2.2 长短期记忆网络 |
| 4.2.3 基于矢量分解机制的LSTM模型 |
| 4.2.4 实验验证 |
| 4.3 基于新型LSTM单元的简化VDLSTM模型 |
| 4.3.1 基本原理 |
| 4.3.2 VDLSTM模型和简化VDLSTM模型的复杂度比较 |
| 4.3.3 实验验证 |
| 4.4 本章小结与讨论 |
| 第5章 基于符号正交回归器的数字预失真 |
| 5.1 引言 |
| 5.2 基于符号正交回归器的数字预失真自适应算法 |
| 5.2.1 基本理论 |
| 5.2.2 符号正交回归器的引入 |
| 5.2.3 符号正交回归器算法和独立参数提取 |
| 5.2.4 复杂度分析 |
| 5.2.5 实验验证 |
| 5.3 符号正交回归器算法与基函数裁剪 |
| 5.3.1 基函数裁剪 |
| 5.3.2 仿真验证 |
| 5.4 本章小结与讨论 |
| 第6章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）五轴数控机床误差补偿及精度可靠性评估（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 误差补偿的发展和存在的主要问题 |
| 1.3.2 数控机床可靠性的发展和存在的主要问题 |
| 1.4 课题研究对象及主要内容 |
| 第二章 数控机床误差补偿技术 |
| 2.1 误差补偿技术概述 |
| 2.2 误差补偿基本特征 |
| 2.3 误差补偿基本内容 |
| 2.3.1 误差及误差源分析 |
| 2.3.2 综合误差模型的建立 |
| 2.3.3 误差检测和测温点的优化选择 |
| 2.3.4 误差元素建模技术 |
| 2.3.5 误差补偿控制系统的实施及检验 |
| 2.4 本章小结 |
| 第三章 基于多体系统理论的机床误差建模方法 |
| 3.1 多体系统理论 |
| 3.1.1 多体系统理论概述 |
| 3.1.2 齐次坐标变换 |
| 3.2 数控机床几何误差分析 |
| 3.3 基于多体系统运动学的机床误差建模 |
| 3.3.1 五轴机床邻接体间运动特征分析 |
| 3.3.2 五轴机床综合误差建模 |
| 3.4 本章小结 |
| 第四章 基于正交多项式回归的机床误差建模方法 |
| 4.1 五轴数控机床关于旋转轴位置的误差分析 |
| 4.2 正交多项式回归方法 |
| 4.2.1 回归分析方法简述 |
| 4.2.2 正交函数与正交多项式回归的原理和关系 |
| 4.2.3 正交多项式回归建模方法和步骤 |
| 4.2.4 多元回归的正交多项式计算方法 |
| 4.3 基于正交多项式的综合误差表格化建模 |
| 4.3.1 回归函数类型的分析选择 |
| 4.3.2 基于正交多项式的综合误差表格化建模步骤 |
| 4.3.3 运用Matlab软件的误差程序建模和图像处理分析 |
| 4.4 本章小结 |
| 第五章 数控机床精度可靠性评估 |
| 5.1 机构可靠性定义 |
| 5.2 可靠性理论和可靠度基本概念 |
| 5.3 单一失效模式构件可靠度分析方法 |
| 5.3.1 一次二阶矩法 |
| 5.3.2 蒙特卡洛法 |
| 5.3.3 响应面法 |
| 5.4 误差灵敏度分析 |
| 5.5 基于验算点法的机床精度可靠性分析 |
| 5.6 本章小结 |
| 结论 |
| 课题总结 |
| 主要创新点 |
| 未来展望 |
| 参考文献 |
| 致谢 |
（8）中国桥梁工程学术研究综述·2021（论文提纲范文）
| 0引言（东南大学王景全老师提供初稿） |
| 1 桥梁工程研究新进展（东南大学王景全老师提供初稿） |
| 1.1新材料促进桥梁工程技术革新 |
| 1.2桥梁工业化进程与智能建造技术取得长足发展 |
| 1.3桥梁抗灾变能力显着提高 |
| 1.4桥梁智能化水平大幅提升 |
| 1.5跨海桥梁深水基础不断创新 |
| 2桥梁结构设计 |
| 2.1桥梁作用及分析（同济大学陈艾荣老师、长安大学韩万水老师、河北工程大学刘焕举老师提供初稿） |
| 2.1.1汽车作用 |
| 2.1.2温度作用 |
| 2.1.3浪流作用 |
| 2.1.4分析方法 |
| 2.1.5展望 |
| 2.2钢桥及组合结构桥梁（西南交通大学卫星老师提供初稿） |
| 2.2.1新型桥梁用钢的研发 |
| 2.2.2焊接节点疲劳性能 |
| 2.2.3钢结构桥梁动力行为 |
| 2.2.4复杂环境钢桥服役性能 |
| 2.2.5组合结构桥梁空间力学行为 |
| 2.2.6组合结构桥梁关键构造力学行为 |
| 2.2.7展望 |
| 2.3高性能材料 |
| 2.3.1超高性能混凝土（湖南大学邵旭东老师提供初稿） |
| 2.3.2工程水泥基复合材料（西南交通大学张锐老师提供初稿） |
| 2.3.3纤维增强复合材料（北京工业大学刘越老师提供初稿） |
| 2.3.4智能材料（西南交通大学勾红叶老师提供初稿） |
| 2.3.5展望 |
| 2.4桥梁基础工程（同济大学梁发云老师提供初稿） |
| 2.4.1深水桥梁基础形式 |
| 2.4.2桥梁基础承载性能分析 |
| 2.4.3桥梁基础动力特性分析 |
| 2.4.4深水桥梁基础工程面临的挑战 |
| 3桥梁建造新技术 |
| 3.1钢结构桥梁施工新技术（西南交通大学卫星老师提供初稿） |
| 3.1.1钢结构桥梁工程建设成就 |
| 3.1.2焊接制造新技术 |
| 3.1.3施工新技术 |
| 3.2桥梁快速建造技术（北京工业大学贾俊峰老师提供初稿） |
| 3.2.1预制装配桥梁上部结构关键技术 |
| 3.2.2预制装配桥墩及其抗震性能研究进展 |
| 3.2.2.1灌浆/灌缝固定连接预制桥墩及其抗震性能 |
| 3.2.2.2无黏结预应力连接预制桥墩及其抗震性能 |
| 3.3桥梁建造技术发展态势分析 |
| 4桥梁运维 |
| 4.1监测与评估（浙江大学叶肖伟老师、湖南大学孔烜老师、西南交通大学崔闯老师提供初稿） |
| 4.1.1监测技术 |
| 4.1.2模态识别 |
| 4.1.3模型修正 |
| 4.1.4损伤识别 |
| 4.1.5状态评估 |
| 4.1.6展望 |
| 4.2智能检测（西南交通大学勾红叶老师提供初稿） |
| 4.2.1智能检测技术 |
| 4.2.2智能识别与算法 |
| 4.2.3展望 |
| 4.3桥上行车安全性（中南大学国巍老师提供初稿） |
| 4.3.1风荷载作用下桥上行车安全性 |
| 4.3.1.1车-桥气动参数识别 |
| 4.3.1.2风载作用下桥上行车安全性评估 |
| 4.3.1.3风浪作用下桥上行车安全性 |
| 4.3.1.4风屏障对行车安全性的影响 |
| 4.3.2地震作用下行车安全性 |
| 4.3.2.1地震-车-桥耦合振动模型 |
| 4.3.2.2地震动激励特性的影响 |
| 4.3.2.3地震下桥上行车安全性评估 |
| 4.3.2.4车-桥耦合系统地震预警阈值研究 |
| 4.3.3长期服役条件下桥上行车安全性 |
| 4.3.4冲击系数与振动控制研究 |
| 4.3.4.1车辆冲击系数 |
| 4.3.4.2车-桥耦合振动控制方法 |
| 4.3.5研究展望 |
| 4.4加固与性能提升（西南交通大学勾红叶老师提供初稿） |
| 4.4.1增大截面加固法 |
| 4.4.2粘贴钢板加固法 |
| 4.4.3体外预应力筋加固法 |
| 4.4.4纤维增强复合材料加固法 |
| 4.4.5组合加固法 |
| 4.4.6新型混凝土材料的应用 |
| 4.4.7其他加固方法 |
| 4.4.8发展展望 |
| 5桥梁防灾减灾 |
| 5.1抗震减震（北京工业大学贾俊峰老师、中南大学国巍老师提供初稿） |
| 5.1.1公路桥梁抗震研究新进展 |
| 5.1.2铁路桥梁抗震性能研究新进展 |
| 5.1.3桥梁抗震发展态势分析 |
| 5.2抗风（东南大学张文明老师、哈尔滨工业大学陈文礼老师提供初稿） |
| 5.2.1桥梁风环境 |
| 5.2.2静风稳定性 |
| 5.2.3桥梁颤振 |
| 5.2.4桥梁驰振 |
| 5.2.5桥梁抖振 |
| 5.2.6主梁涡振 |
| 5.2.7拉索风致振动 |
| 5.2.8展望 |
| 5.3抗火（长安大学张岗老师、贺拴海老师、宋超杰等提供初稿） |
| 5.3.1材料高温性能 |
| 5.3.2仿真与测试 |
| 5.3.3截面升温 |
| 5.3.4结构响应 |
| 5.3.5工程应用 |
| 5.3.6展望 |
| 5.4抗撞击及防护（湖南大学樊伟老师、谢瑞洪、王泓翔提供初稿） |
| 5.4.1车撞桥梁结构研究现状 |
| 5.4.2船撞桥梁结构研究进展 |
| 5.4.3落石冲击桥梁结构研究现状 |
| 5.4.4研究展望 |
| 5.5抗水（东南大学熊文老师提供初稿） |
| 5.5.1桥梁冲刷 |
| 5.5.2桥梁水毁 |
| 5.5.2.1失效模式 |
| 5.5.2.2分析方法 |
| 5.5.3监测与识别 |
| 5.5.4结论与展望 |
| 5.6智能防灾减灾（西南交通大学勾红叶老师、哈尔滨工业大学鲍跃全老师提供初稿） |
| 6结语（西南交通大学张清华老师提供初稿） |
| 策划与实施 |
（9）钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表及物理名称 |
| 第一章 绪论 |
| 1.1 课题提出的背景及研究意义 |
| 1.2 钢轨在线整形修复关键技术及切削性能研究现状 |
| 1.2.1 钢轨在线整形修复关键技术分类 |
| 1.2.2 钢轨在线整形修复的切削性能研究现状 |
| 1.3 切削加工有限元仿真研究现状 |
| 1.3.1 切削加工有限元仿真研究的材料本构模型 |
| 1.3.2 Johnson-Cook本构模型研究现状 |
| 1.4 轮/轨材料对偶匹配研究现状 |
| 1.4.1 轮/轨材料滚-滑摩擦磨损性能研究现状 |
| 1.4.2 轮/轨材料滑动摩擦磨损性能研究现状 |
| 1.5 课题来源与本文的主要研究内容 |
| 1.5.1 课题来源 |
| 1.5.2 本文的主要研究内容 |
| 第二章 U71Mn钢轨材料动态力学特性和本构模型建立及修正 |
| 2.1 引言 |
| 2.2 U71Mn钢轨材料准静态单轴压缩实验 |
| 2.2.1 U71Mn钢轨材料及实验方案 |
| 2.2.2 准静态单轴压缩实验结果分析 |
| 2.3 U71Mn钢轨材料动态力学性能实验 |
| 2.3.1 分离式霍普金森压杆装置及动态力学实验方案 |
| 2.3.2 应力状态平衡验证 |
| 2.3.3 分离式霍普金森压杆实验结果及动态力学性能分析 |
| 2.4 U71Mn钢轨材料本构模型建立及修正 |
| 2.4.1 U71Mn钢轨材料Johnson-Cook本构模型建立 |
| 2.4.2 U71Mn钢轨材料Johnson-Cook本构模型修正 |
| 2.5 高温大应变率条件下U71Mn钢轨微观组织结构演化 |
| 2.6 基于VUMAT的 U71Mn钢轨材料本构模型二次开发 |
| 2.7 本章小结 |
| 第三章 U71Mn钢轨材料铣-磨力热特性研究 |
| 3.1 引言 |
| 3.2 钢轨铣-磨专用实验台及实验用刀具 |
| 3.2.1 钢轨铣-磨专用实验台 |
| 3.2.2 实验用刀具和砂轮 |
| 3.3 U71Mn钢轨材料成形铣削力和磨削力实验及建模 |
| 3.3.1 U71Mn钢轨材料成形铣削力和磨削力实验设计 |
| 3.3.2 U71Mn钢轨材料成形铣削力和磨削力实验结果与分析 |
| 3.3.3 U71Mn钢轨材料铣削力和磨削力模型建立与分析 |
| 3.4 U71Mn钢轨材料铣-磨温度场建模与实验 |
| 3.4.1 基于热源理论的钢轨铣-磨温度场建模 |
| 3.4.2 U71Mn钢轨材料铣-磨温度实验测试与结果分析 |
| 3.5 钢轨铣-磨温度有限元仿真及分析 |
| 3.5.1 钢轨铣削温度仿真及分析 |
| 3.5.2 钢轨单颗粒磨削温度仿真及分析 |
| 3.6 本章小结 |
| 第四章 U71Mn钢轨材料铣-磨表面完整性变化规律与机理分析 |
| 4.1 引言 |
| 4.2 U71Mn钢轨材料成形铣削表面完整性 |
| 4.2.1 U71Mn钢轨材料成形铣削表面完整性实验设计 |
| 4.2.2 铣削参数对已加工表面粗糙度的影响 |
| 4.2.3 铣削参数对表层残余应力的影响 |
| 4.2.4 铣削参数对亚表面塑性变形层和加工硬化的影响 |
| 4.2.5 铣削后工件表面形貌 |
| 4.3 U71Mn钢轨材料成形磨削表面完整性 |
| 4.3.1 U71Mn钢轨材料成形磨削表面完整性实验设计 |
| 4.3.2 磨削参数对已加工表面粗糙度的影响 |
| 4.3.3 磨削参数对表层残余应力的影响 |
| 4.3.4 磨削参数对亚表面塑性变形层和加工硬化的影响 |
| 4.3.5 磨削后工件表面形貌 |
| 4.3.6 磨屑形貌及能谱分析 |
| 4.4 基于人工神经网络的已加工表面粗糙度预测 |
| 4.4.1 人工神经网络简介及已加工表面粗糙度测量结果 |
| 4.4.2 已加工表面粗糙度预测模型的建立 |
| 4.4.3 已加工表面粗糙度预测结果 |
| 4.5 本章小结 |
| 第五章 机加工后轮/轨材料对偶匹配研究 |
| 5.1 引言 |
| 5.2 CL60列车车轮及其镟修工艺 |
| 5.2.1 CL60列车车轮 |
| 5.2.2 列车车轮镟修工艺 |
| 5.3 机加工后轮/轨材料干式滑动摩擦磨损性能 |
| 5.3.1 机加工后轮/轨材料干式滑动摩擦磨损实验设计 |
| 5.3.2 轮/轨材料滑动摩擦系数分析 |
| 5.3.3 轮/轨材料表面显微硬度与磨损量分析 |
| 5.3.4 轮/轨材料滑动接触亚表面塑性变形分析 |
| 5.3.5 轮/轨材料滑动接触表面磨损形貌分析 |
| 5.4 机加工后轮/轨材料干式滚-滑摩擦磨损性能 |
| 5.4.1 机加工后轮/轨材料干式滚-滑摩擦磨损实验设计 |
| 5.4.2 轮/轨材料滚动摩擦系数分析 |
| 5.4.3 轮/轨材料表面显微硬度与磨损量分析 |
| 5.4.4 轮/轨材料滚-滑接触亚表面塑性变形分析 |
| 5.4.5 轮/轨材料滚-滑接触表面磨损形貌分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）大跨桥梁结构健康诊断和管养决策的机器学习方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 大跨桥梁结构健康诊断的研究现状 |
| 1.2.1 基于模型的结构健康诊断方法 |
| 1.2.2 数据驱动的结构健康诊断方法 |
| 1.3 大跨桥梁结构关键受力构件健康诊断研究现状 |
| 1.3.1 正交异性钢桥面板健康诊断 |
| 1.3.2 斜拉索健康诊断 |
| 1.4 大跨桥梁结构管养决策研究现状 |
| 1.5 本文的主要研究内容 |
| 第2章 基于轮载应变比的大跨桥梁正交异性钢桥面板裂缝识别方法 |
| 2.1 引言 |
| 2.2 正交异性钢桥面板应变监测数据特征及其预处理方法 |
| 2.2.1 车辆荷载作用下正交异性钢桥面板的应变响应 |
| 2.2.2 基于离散小波变换的应变响应多源作用解耦方法 |
| 2.3 基于轮载应变时空相关的正交异性钢桥面板裂缝识别方法 |
| 2.3.1 基于DTW的车致应变相关性建模 |
| 2.3.2 基于轮载应变比概率密度模型演化的裂缝识别方法 |
| 2.4 某大跨桥梁正交异性钢桥面板裂缝识别 |
| 2.4.1 应变监测 |
| 2.4.2 应变数据预处理 |
| 2.4.3 轮载应变比概率密度模型 |
| 2.4.4 结果与讨论 |
| 2.5 本章小结 |
| 第3章 基于车致索力统计模式识别的大跨斜拉桥拉索健康诊断方法 |
| 3.1 引言 |
| 3.2 大跨斜拉桥索力监测数据特征及其预处理方法 |
| 3.2.1 车辆荷载作用下斜拉索简化力学模型 |
| 3.2.2 结构有限元模型 |
| 3.2.3 斜拉索索力监测数据预处理 |
| 3.3 车致索力相关性的统计模式识别方法 |
| 3.3.1 车致索力相关性建模 |
| 3.3.2 上下游车致索力比高斯混合模型 |
| 3.3.3 参数识别 |
| 3.3.4 基于车致索力比高斯混合模型演化的的斜拉索状态评估方法 |
| 3.4 某大跨斜拉桥拉索状态评估 |
| 3.4.1 索力监测 |
| 3.4.2 索力监测数据预处理 |
| 3.4.3 上下游车致索力比高斯混合模型 |
| 3.4.4 斜拉索状态评估 |
| 3.5 本章小结 |
| 第4章 基于LSTM的拉索群健康诊断方法 |
| 4.1 引言 |
| 4.2 基于车致索力时空相关性的拉索群健康诊断方法 |
| 4.2.1 拉索群车致索力时空相关模型 |
| 4.2.2 基于深度前馈网络的拉索群基准状态模型 |
| 4.2.3 基于LSTM的拉索群基准状态模型 |
| 4.2.4 数据缺失时基于结构状态基准模型的拉索群健康诊断和数据恢复方法 |
| 4.3 某大跨斜拉桥拉索群的结构健康诊断 |
| 4.3.1 网络架构 |
| 4.3.2 数据缺失时拉索群结构健康诊断与数据恢复 |
| 4.4 本章小结 |
| 第5章 基于深度强化学习的桥梁结构管养决策方法 |
| 5.1 引言 |
| 5.2 结构管养的马尔科夫决策过程模型 |
| 5.2.1 模型建立 |
| 5.2.2 桥梁结构管养决策的深度强化学习优化方法 |
| 5.3 基于深度强化学习的桥梁结构管养一般性方法 |
| 5.3.1 简支梁桥面板体系 |
| 5.3.2 大跨斜拉桥结构 |
| 5.4 结果与讨论 |
| 5.4.1 网络训练与管养决策优化 |
| 5.4.2 结构管养策略评估 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、正交神经网络的动态建模方法研究（论文参考文献）
- [1]基于数据和机理混合驱动的复杂工业软测量方法研究[D]. 赵雨凡. 西安理工大学, 2021
- [2]社交网络对齐方法研究[D]. 孙笠. 北京邮电大学, 2021(01)
- [3]融合频域信息的时间序列分类方法研究[D]. 梁小慧. 北京交通大学, 2021(02)
- [4]微生物代谢产物发酵过程建模研究[D]. 张相胜. 江南大学, 2021
- [5]基于IABC-LS-SVM的水利工程项目建设成本估算与控制方法[D]. 刘运鹄. 大连理工大学, 2021(01)
- [6]波束成形系统线性化与基于神经网络的宽带数字预失真研究[D]. 李泓旻. 中国科学技术大学, 2021(09)
- [7]五轴数控机床误差补偿及精度可靠性评估[D]. 张露熹. 兰州理工大学, 2021(01)
- [8]中国桥梁工程学术研究综述·2021[J]. Editorial Department of China Journal of Highway and Transport;. 中国公路学报, 2021(02)
- [9]钢轨铣-磨修复加工机理及修复后轮/轨对偶匹配研究[D]. 刘佩杰. 华南理工大学, 2020
- [10]大跨桥梁结构健康诊断和管养决策的机器学习方法研究[D]. 魏世银. 哈尔滨工业大学, 2020