期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,713篇文章
< 1 2 … 86 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于GA-LSTM的桥梁缆索腐蚀钢丝力学性能预测模型 被引量：8
1
作者 缪长青 吕悦凯 万春风 《东南大学学报(自然科学版)》 北大核心 2025年第1期140-145,共6页
为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm, GA)优化的长短期记忆(long short-term memory, LSTM)神经网络模型。该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经... 为了精准捕捉桥梁缆索腐蚀钢丝的时变规律并预测其力学性能,开发了一种基于遗传算法(genetic algorithm, GA)优化的长短期记忆(long short-term memory, LSTM)神经网络模型。该模型利用GA依次优化LSTM模型的迭代次数、隐藏层层数、神经元数量、窗口大小4个超参数,以预测不同腐蚀特征状态下钢丝的力学性能。将其与传统LSTM和GA-反向传播模型的预测结果进行比较。结果表明,GA-LSTM模型具有更高的预测精度和鲁棒性。在屈服强度与极限强度预测效果方面,均方根误差(root mean square error, RMSE)、平均绝对误差(mean absolute error, MAE)、决定系数分别提高约44%~61%、43%~57%、35%~92%。在屈服应变与极限应变预测效果方面,RMSE、MAE、决定系数分别提高约0~46%、7%~49%、12%~229%。所建立的模型可以作为一个有用的工具支持桥梁缆索腐蚀安全性评估工作。 展开更多
关键词 桥梁缆索腐蚀钢丝 力学性能预测 时序预测 神经网络 遗传算法 超参数优化
在线阅读 下载PDF
数字孪生环境下基于生成对抗网络的钻井液流变性能预测方法
2
作者 郭亮 徐行 +3 位作者 刘开勇 姚如钢 唐赛宇 向渝 《钻井液与完井液》 北大核心 2025年第3期359-367,共9页
为了解决实验室中人工测量钻井液流变性能效率低、成本高、稳定性差的问题,提出了数字孪生环境下的基于生成对抗网络的钻井液流变性能预测方法。首先,根据数字孪生五维模型构建了钻井液配制与测量系统的孪生模型,物理配测系统中的传感... 为了解决实验室中人工测量钻井液流变性能效率低、成本高、稳定性差的问题,提出了数字孪生环境下的基于生成对抗网络的钻井液流变性能预测方法。首先,根据数字孪生五维模型构建了钻井液配制与测量系统的孪生模型,物理配测系统中的传感器等信息采集器会收集钻井液流变性能测试实验中的物理实况数据,整合钻井液配方信息和实验测量结果后传输至虚拟空间,建立钻井液流变性能预测数据库;然后,利用改进的生成对抗网络算法,构建钻井液流变性能预测模型。从数据库中抽取钻井液历史孪生数据作为数据集对模型进行训练,得到最佳拟合模型,通过钻井液流变性能预测实验验证模型的预测能力。最终结果表明,模型预测值和真实值之间的相关系数R超过0.96,平均绝对百分比误差AAPE不高于4.1%,模型具有较高的预测精度,能够完成钻井液流变性能预测任务。 展开更多
关键词 数字孪生 生成对抗网络 钻井液 性能预测
在线阅读 下载PDF
基于迁移多层感知机的挤压铸件性能预测研究
3
作者 邓建新 农张华 +1 位作者 尹政 戴博林 《广西大学学报(自然科学版)》 北大核心 2025年第2期370-383,共14页
为了基于更少的试验样本数据来更准确地预测铸件性能,提出基于已有数据和迁移多层感知机的挤压铸件性能预测方法。首先基于预测的铸件性能,从材料、工艺参数、铸件性能等方面设计数据迁移规则,筛选出最适合迁移的历史铸件数据,在此基础... 为了基于更少的试验样本数据来更准确地预测铸件性能,提出基于已有数据和迁移多层感知机的挤压铸件性能预测方法。首先基于预测的铸件性能,从材料、工艺参数、铸件性能等方面设计数据迁移规则,筛选出最适合迁移的历史铸件数据,在此基础上建立工艺参数与性能间的贝叶斯优化的预训练多层感知机模型,然后引入少量目标铸件试验数据,通过冻结-微调隐藏层参数的迁移策略,最终建立面向新铸件的性能预测模型。应用实例表明,迁移模型的平均预测误差相对基模型最大可降低80.46%。与现有基于单一铸件数据的预测模型相比,所提方法运用历史案例,实现了工艺参数与铸件性能间的知识迁移,进一步降低了对训练样本的需求,从而减少新铸件的试验次数和成本。 展开更多
关键词 挤压铸件 性能预测 迁移学习 多层感知机 贝叶斯优化 少样本学习
在线阅读 下载PDF
乙烯法醋酸乙烯反应器多尺度研究及性能预测
4
作者 张敏华 龚浩 +1 位作者 董贺 余英哲 《化学反应工程与工艺》 2025年第1期183-190,共8页
合成反应器是醋酸乙烯生产装置中的关键设备,其放大设计是反应器开发的核心难题,需要通过获取准确的反应动力学方程来解决。采用密度泛函理论(DFT)、动力学蒙特卡罗(kMC)及计算流体力学模拟(CFD)相结合的多尺度模拟方法,研究了乙烯气相... 合成反应器是醋酸乙烯生产装置中的关键设备,其放大设计是反应器开发的核心难题,需要通过获取准确的反应动力学方程来解决。采用密度泛函理论(DFT)、动力学蒙特卡罗(kMC)及计算流体力学模拟(CFD)相结合的多尺度模拟方法,研究了乙烯气相法合成醋酸乙烯过程的反应动力学,并应用于醋酸乙烯合成反应器的设计开发。通过构建催化乙烯法醋酸乙烯合成反应的PdAu催化剂模型及醋酸乙烯合成主反应和副反应的反应网络,利用DFT计算得到主副反应网络中各基元反应活化能与指前因子等参数;然后基于上述研究,通过kMC模拟,研究得到幂函数型反应动力学方程;最后,采用CFD将该反应动力学方程应用于反应器设计开发中,提出合成反应器的放大准则。通过该方法建立的放大方法,已实现了大规模工业应用,为反应器设计开发提供了一种新思路。 展开更多
关键词 醋酸乙烯 反应器设计 多尺度模拟 反应器性能预测
在线阅读 下载PDF
基于遗传算法优化BP神经网络的沥青混合料性能预测方法 被引量：3
5
作者 盛佳豪 柳力 +1 位作者 刘朝晖 潘博洋 《科学技术与工程》 北大核心 2025年第3期1214-1224,共11页
为实现沥青混合料性能的快速可靠预测,从材料组成设计角度出发,提出了一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的沥青混合料性能预测方法。首先运用灰关联分析方法对多维输入变量进行降维处理... 为实现沥青混合料性能的快速可靠预测,从材料组成设计角度出发,提出了一种基于遗传算法(genetic algorithm,GA)优化反向传播(back propagation,BP)神经网络的沥青混合料性能预测方法。首先运用灰关联分析方法对多维输入变量进行降维处理,确定了沥青混合料性能的核心影响因素,然后结合遗传算法(GA),构建了以核心影响因素为输入层、沥青混合料性能为输出层的GA-BP神经网络预测模型,再对模型进行训练验证分析与预测泛化应用,同时与BP神经网络的训练效果和预测精度进行对比,验证GA-BP神经网络模型的准确性。研究结果表明:空隙率、油石比、公称最大粒径、4.75 mm通过率、沥青种类、软化点、针入度、延度等8项性能特征的灰关联度r>0.6,对沥青混合料性能影响显著;相比于BP神经网络模型,经过GA优化后的BP神经网络模型的均方根误差(root mean square error,RMSE)降低了16%~31%,平均绝对误差(mean absolute error,MAE)降低了15%~24%,R^(2)值提升了0.01~0.27,说明其具有更好的学习拟合能力;在对沥青混合料动态模量、动稳定度、残留稳定度、劈裂抗拉强度比和极限弯拉应变的预测精度上分别提高了35.26%、47.78%、23.13%、31.92%、35.75%,说明GA-BP神经网络模型具有更强的泛化应用能力。研究成果为实现沥青混合料性能的快速预测、指导沥青混合料材料组成设计提供重要参考。 展开更多
关键词 道路工程 性能预测 GA-BP神经网络 沥青混合料 灰关联分析
在线阅读 下载PDF
理论数据协同分析的路面性能预测 被引量：1
6
作者 刘文博 杨旭 +2 位作者 汪海年 徐坤 范泰博 《长安大学学报(自然科学版)》 北大核心 2025年第1期38-49,共12页
道路变形及结构强度是路面性能评价的重要内容,实现上述两者的精确预测对于道路科学养护决策具有重要意义,但当前研究对于其发展预测精度仍有待提升。为提升路面性能预测效果,提出一种理论-数据双驱动的路面性能预测方法。首先基于影响... 道路变形及结构强度是路面性能评价的重要内容,实现上述两者的精确预测对于道路科学养护决策具有重要意义,但当前研究对于其发展预测精度仍有待提升。为提升路面性能预测效果,提出一种理论-数据双驱动的路面性能预测方法。首先基于影响机理理论分析确定路面性能发展的关键影响因子,随后基于分析结果及北京环道足尺试验场数据确定模型输入、输出变量,最终提出一种时间卷积网络-门控制循环融合预测模型(TCN-GRU)实现车辙、承载力的发展预测,并与基础单模型及时间卷积网络-长短时记忆网络融合模型(TCN-STM)进行对比。研究结果表明:对于车辙深度预测,TCN-GRU取得了最好的预测性能,其M_(SE)、R_(MSE)、M_(AE)及R^(2)分别为22.635、4.758、3.319及0.940,其中R^(2)相比单模型(TCN、GRU)分别提升0.53%与0.86%;对于弯沉值发展预测,TCN-GRU同样取得了最好的预测性能,其M_(SE)、R_(MSE)、M_(AE)及R^(2)分别为8.009、2.830、1.819及0.850,R^(2)相比单模型(TCN、GRU)分别提升5.85%与2.04%;提出的TCN-GRU对道路车辙及承载力发展预测效果最好,其充分结合了TCN的长时依赖建模能力和GRU的高效状态更新优势,提升了序列数据的预测准确性与效率,可以基于历史数据实现对特定道路的车辙及承载力发展的精确预测,为公路养护管理部门科学养护决策提供数据支撑。 展开更多
关键词 道路工程 路面性能预测 双驱动 理论-数据 融合模型 TCN-GRU
原文传递
基于神经网络的GH4169螺栓圆角滚压强化性能预测 被引量：1
7
作者 石大鹏 马震宇 +4 位作者 何坤 胡庆宽 付建建 巴豪强 徐锋 《工具技术》 北大核心 2025年第2期114-119,共6页
为快速预测GH4169螺栓圆角滚压强化后的性能,本文提出一种基于神经网络的螺栓圆角滚压性能预测方法。采用ABAQUS结合Fe-safe软件进行螺栓滚压性能仿真计算,并通过试验进行模型有效性验证。将50组试验数据和50组仿真数据作为数据集进行... 为快速预测GH4169螺栓圆角滚压强化后的性能,本文提出一种基于神经网络的螺栓圆角滚压性能预测方法。采用ABAQUS结合Fe-safe软件进行螺栓滚压性能仿真计算,并通过试验进行模型有效性验证。将50组试验数据和50组仿真数据作为数据集进行神经网络预测模型训练,获取预测精度高和泛化能力强的神经网络模型。预测模型的输入参数为滚压力、滚压转速和滚压时间,输出参数为螺栓圆角处的3个变形量、残余应力和疲劳寿命,神经网络结构为3-25-25-25-25-5。研究表明,预测模型具有很高的预测精度和很强的泛化能力,对5个输出参数预测的平均绝对百分比误差均小于3%,且对重要输出(变形量B、残余应力和疲劳寿命)预测的决定系数R^(2)均高于0.99。 展开更多
关键词 GH4169螺栓 圆角滚压 仿真分析 神经网络 性能预测
在线阅读 下载PDF
共固化蜂窝夹层结构长梁弯曲性能预测 被引量：1
8
作者 牛芳旭 孙超明 +1 位作者 贺靖 尹航 《复合材料科学与工程》 北大核心 2025年第2期34-39,128,共7页
与层合结构相比,蜂窝夹层结构的材料构成、结构形式和力学行为更复杂。为了提高对蜂窝夹层结构力学性能预测的准确性,分析了共固化蜂窝夹层结构的面板形貌和力学性能,并以此为基础建立长梁弯曲有限元渐进失效分析模型,实现对长梁弯曲载... 与层合结构相比,蜂窝夹层结构的材料构成、结构形式和力学行为更复杂。为了提高对蜂窝夹层结构力学性能预测的准确性,分析了共固化蜂窝夹层结构的面板形貌和力学性能,并以此为基础建立长梁弯曲有限元渐进失效分析模型,实现对长梁弯曲载荷、变形以及破坏模式的预测。结果表明,共固化蜂窝夹层结构的面板与采用相同预浸料、铺层数量和固化工艺单独成型的层压板相比,单层厚度更薄,压缩强度更低。以此为基础确定了模型的几何结构和材料参数,保证了对长梁弯曲性能预测的准确性,弯曲极限载荷及445 N时变形的预测值与试验结果误差在±11%范围内,破坏位置与试验结果较为吻合。 展开更多
关键词 蜂窝夹层结构 共固化 长梁弯曲 渐进失效分析 有限元 性能预测 复合材料
在线阅读 下载PDF
基于HBA-SVR混合模型的斜式轴流泵变角性能预测
9
作者 郑海生 周佩剑 +3 位作者 肖刚 牟介刚 项春 钱亨 《计量学报》 北大核心 2025年第2期190-197,共8页
针对斜式轴流泵不同叶片角度下性能曲线获取难、耗费成本高的问题,提出了基于混合蝙蝠算法-支持向量回归模型(HBA-SVR)斜式轴流泵性能预测方法。在标准蝙蝠算法中加入方向加速策略和变异策略优化支持向量回归,利用斜30°轴流泵运行... 针对斜式轴流泵不同叶片角度下性能曲线获取难、耗费成本高的问题,提出了基于混合蝙蝠算法-支持向量回归模型(HBA-SVR)斜式轴流泵性能预测方法。在标准蝙蝠算法中加入方向加速策略和变异策略优化支持向量回归,利用斜30°轴流泵运行数据训练模型,并应用于斜式轴流泵变角性能预测。扬程、效率平均相对误差分别为1.49%、0.41%,收敛时间分别为15.47 s、18.78 s,相较于标准蝙蝠优化支持向量回归预测结果,收敛时间分别减少了122.11%、103.62%。对比PSO、GA、BA优化SVR,扬程预测误差分别降低了29.53%,70.46%,131.54%,效率预测误差分别降低了7.31%,9.75%,19.51%。结果表明所提出模型能快速、有效预测斜式轴流泵变角性能。 展开更多
关键词 流量计量 斜式轴流泵 支持向量回归 蝙蝠算法 叶片安放角 变角性能预测
在线阅读 下载PDF
数据驱动策略在含能材料设计及性能预测中的应用
10
作者 王海风 王康才 刘渝 《含能材料》 北大核心 2025年第6期671-680,共10页
以数据驱动和人工智能为代表的科技与产业变革正在深刻影响材料科学领域,也为含能材料的创新带来了前所未有的机遇与挑战。机器学习作为一种新兴技术,为含能材料的分子设计与合成提供了全新的研发范式,有望解决效率低下、成本高昂、周... 以数据驱动和人工智能为代表的科技与产业变革正在深刻影响材料科学领域,也为含能材料的创新带来了前所未有的机遇与挑战。机器学习作为一种新兴技术,为含能材料的分子设计与合成提供了全新的研发范式,有望解决效率低下、成本高昂、周期冗长等含能材料研发中长期存在的瓶颈问题。尽管已有部分成功案例被报道,但机器学习在含能分子“设计→筛选→合成→性能验证”全周期研究中的应用,相较于其他新材料领域仍处于相对不成熟的阶段。研究综述了机器学习辅助含能材料开发的研究现状,重点总结了机器学习在含能分子设计、单一性能预测及多性能同步预测中的应用案例。然而,依托机器学习辅助设计合成具有特定性能的含能材料依然充满了挑战。未来应着力推进含能材料数据质量控制与标准化体系的构建、可解释机器学习模型的开发以跨学科交叉融合体系的建立,从而进一步推动高性能含能材料的高效创制。 展开更多
关键词 数据驱动 机器学习 含能材料 性能预测
在线阅读 下载PDF
基于机器学习与遗传算法的Cu-Ni-Co-Si合金性能预测及机理
11
作者 张英凡 陈慧琴 +5 位作者 党淑娥 陈娟 徐全 房晓天 石腾龙 代云云 《金属热处理》 北大核心 2025年第1期255-265,共11页
机器学习已经被广泛应用于材料研究领域,然而从成分、工艺多维度进行合金设计依旧是一个不小的挑战。提出了一种机器学习方案,结合材料的物理化学性质、成分、工艺进行合金设计,采用遗传算法对Cu-Ni-Co-Si合金性能预测进行优化;采取递... 机器学习已经被广泛应用于材料研究领域,然而从成分、工艺多维度进行合金设计依旧是一个不小的挑战。提出了一种机器学习方案,结合材料的物理化学性质、成分、工艺进行合金设计,采用遗传算法对Cu-Ni-Co-Si合金性能预测进行优化;采取递归消除法探索特征与合金性能之间的潜在联系。研究发现,影响合金硬度和导电性的主要工艺是时效处理与冷轧变形。除此以外的物理化学特征主要通过影响自由电子密度和自由电子迁移的自由程,从而对合金的导电率产生影响;通过影响固溶强化和位错强化,从而对合金的硬度产生影响。 展开更多
关键词 机器学习 遗传算法 时效处理 冷轧变形 性能预测
原文传递
基于生成对抗网络和机器学习的柴油机性能预测方法
12
作者 李想 邓中航 +3 位作者 郭志坤 石清珏 张帆 卢莉莉 《车用发动机》 北大核心 2025年第5期61-68,共8页
针对柴油机性能预测中高维特征筛选困难与小样本数据分布不均衡问题,提出结合数据增强与机器学习的联合预测框架。首先,采用BorutaShap算法从48个特征中筛选关键参数,缓解因主观特征选择导致的模型泛化能力不足问题;其次,针对燃油消耗... 针对柴油机性能预测中高维特征筛选困难与小样本数据分布不均衡问题,提出结合数据增强与机器学习的联合预测框架。首先,采用BorutaShap算法从48个特征中筛选关键参数,缓解因主观特征选择导致的模型泛化能力不足问题;其次,针对燃油消耗率和最高燃烧压力数据的小样本缺陷,使用WGAN-GP模型,通过动态梯度惩罚增强样本的分布合理性;最后,对比WGAN-GP、SMOTE和VQ-VAE模型生成数据在XGBoost、SVR、RF、GBDT 4种模型中的预测性能,以验证方法的有效性。结果表明,WGAN-GP生成数据使XGBoost对燃油消耗率预测的决定系数R 2提升至0.985(MAE=1.659 g/(kW·h)),对最高燃烧压力预测的决定系数R 2达0.943(MAE=0.006 MPa),较SMOTE/VQ-VAE方法,R 2提升了5%~8%。综合而言,本研究通过特征选择和数据增强结合的方式,有效解决了在多样本特征和小数据样本下的柴油机性能预测问题。 展开更多
关键词 柴油机 性能预测 生成对抗网络 机器学习
在线阅读 下载PDF
离心泵反转作液力透平理论性能预测研究
13
作者 林通 李健 +3 位作者 曾晓亮 魏碧胜 谢宝飞 朱祖超 《化工设备与管道》 北大核心 2025年第2期59-69,共11页
为针对离心式液力透平构建一种通用性强、精度较高的理论性能预测方法,文章基于叶轮-蜗壳特性配合理论,推导了泵及透平工况下蜗壳及叶轮的特性曲线,并计算出透平工况下的理论高效点。基于32组不同类型离心泵作透平的试验结果,通过二次... 为针对离心式液力透平构建一种通用性强、精度较高的理论性能预测方法,文章基于叶轮-蜗壳特性配合理论,推导了泵及透平工况下蜗壳及叶轮的特性曲线,并计算出透平工况下的理论高效点。基于32组不同类型离心泵作透平的试验结果,通过二次回归方程对透平的全工况特性随流量变化进行无量纲数学表达。通过搭建液力透平性能测试试验台,验证了文章提出的透平性能预测方法的准确性。研究结果表明:额定转速下,基于蜗壳-叶轮特性匹配理论对透平高效点流量和扬程的预测误差分别为-4.2%和5.1%。随着转速降低,基于蜗壳-叶轮特性匹配理论得到的透平高效点下的理论流量、扬程也随之降低,而且变转速高效点下的理论流量及扬程的预测误差随转速减小而增加。基于数据库拟合得出的二次回归方程能够有效地预测透平在不同转速全工况下扬程及回收功率的变化趋势,特别是在其有效运行流量范围[0.7Q_(b),1.3Q_(b)]内的预测精度高。 展开更多
关键词 液力透平 性能预测 叶轮-蜗壳匹配理论 全工况 离心泵
在线阅读 下载PDF
深度学习在材料表征与性能预测中的应用研究进展
14
作者 王春秀 尹建成 刘英莉 《材料科学与工程学报》 北大核心 2025年第4期670-684,共15页
近年来,深度学习在材料科学领域的应用呈现出日益重要的趋势。其中,材料性能预测作为材料科学研究的核心问题,传统方法受限于表示能力有限与计算复杂度高的挑战。深度学习作为一种基于数据驱动的方法,通过学习大规模数据中的特征表示和... 近年来,深度学习在材料科学领域的应用呈现出日益重要的趋势。其中,材料性能预测作为材料科学研究的核心问题,传统方法受限于表示能力有限与计算复杂度高的挑战。深度学习作为一种基于数据驱动的方法,通过学习大规模数据中的特征表示和模式,为材料表征和性能预测提供了新的解决方案。与传统的机器学习模型相比,深度学习展现出竞争力的优势。本文首先阐述了人工智能、机器学习以及深度学习之间的关联,对经典的深度学习理论进行了概述,包括感知机、图神经网络、序列模型等。随后,详细讨论了深度学习在材料成分和晶体结构表征、材料性能预测模型等方面的重要进展,对数据集、相关模型结构以及建模方法的优势进行了综述。文章进一步探讨了深度学习在材料科学中的模型可解释性,可以更充分地理解模型决策过程。最后,对深度学习在材料领域的发展进行了总结与展望。 展开更多
关键词 深度学习 材料表征 材料性能预测 模型可解释性
在线阅读 下载PDF
基于BO-XGBoost算法的气凝胶混凝土力学和保温性能预测方法
15
作者 熊峰 陈腾盛 +2 位作者 邓楚兵 李云飞 曾一 《工程科学与技术》 北大核心 2025年第5期1-13,共13页
气凝胶混凝土是制备保温承重一体化墙板的优质材料,其抗压强度和导热系数是重要的研究参数。为了获取最优的抗压强度和导热系数,需要在实验室多次重复进行配合比设计及性能测定,需要大量的人力和时间。采用公式分析方法或统计方法可获... 气凝胶混凝土是制备保温承重一体化墙板的优质材料,其抗压强度和导热系数是重要的研究参数。为了获取最优的抗压强度和导热系数,需要在实验室多次重复进行配合比设计及性能测定,需要大量的人力和时间。采用公式分析方法或统计方法可获得最佳性能,但因为气凝胶混凝土的抗压强度和导热系数与各影响因素存在高度的非线性关系,由此得到的经验公式精度低,对自身实验有很强的依赖性,无法推广和泛化。而利用机器学习方法可以有效地通过数据库建立输入与输出特征之间的映射关系。本文利用贝叶斯优化的极端梯度提升算法(BO-XGBoost)建立了一个气凝胶混凝土性能预测模型,并基于335组数据,进行模型训练与测试。为了验证采用带可解释特征作为输入特征的方案的有效性,采用两个模型分别预测抗压强度和导热系数的优势,设置两个对比方案进行性能比较。此外,为了分析BO-XGBoost模型在气凝胶混凝土性能预测上的优势,使用随机森林、人工神经网络等多个模型与之进行比较,并采用全新数据探究模型的泛化能力。结果表明,BO-XGBoost模型效果很好,抗压强度和导热系数预测模型的测试集的决定系数R2均在0.97以上,预测能力优于其他模型,且具有较好的泛化能力。此外,采用SHAP模型进行可解释分析,结果表明,影响气凝胶混凝土性能的最主要因素是气凝胶掺量和水胶比。 展开更多
关键词 气凝胶混凝土 性能预测 贝叶斯优化 XGBoost算法 SHAP可解释分析
在线阅读 下载PDF
非设计工况下活塞式压缩机热力性能预测算法探究
16
作者 康祥 李鹏飞 +1 位作者 白雪儿 李云 《机械工程学报》 北大核心 2025年第14期297-305,共9页
氢气压缩机是加氢站的核心动力设备。为提高加压效率并确保安全可靠性,需要高效准确地预测监控压缩机在变工况下的热力性能。现有预测算法存在着在非设计工况下迭代收敛稳定性差的问题。分析热力性能预测迭代计算发散的原因,提出一种活... 氢气压缩机是加氢站的核心动力设备。为提高加压效率并确保安全可靠性,需要高效准确地预测监控压缩机在变工况下的热力性能。现有预测算法存在着在非设计工况下迭代收敛稳定性差的问题。分析热力性能预测迭代计算发散的原因,提出一种活塞式压缩机的性能预测算法。开发基于Python的压缩机热动力计算程序,搭建多级压缩数值计算模型并开展试验,验证提出算法的可行性。结果表明,现有算法迭代发散的两点原因:计算过程中未统一协调并限制各级压比和现有进气量计算公式不适用于“被动进气”工况下的计算。本研究针对迭代发散原因,提出压比统一调整算法,给出压比调整的区间限制。改进原有进气量计算公式,可同时适用于“主动进气”和“被动进气”工况下的性能预测计算。提出算法在非设计工况下的稳定性优于现有算法。这可为活塞式压缩机热力性能预测计算及其选型设计提供理论依据。 展开更多
关键词 活塞式压缩机 性能预测 热力计算 非设计工况
原文传递
基于深度灵活编码策略与性能预测的无线语义图像传输系统
17
作者 杨舒涵 申滨 黄晓舸 《通信学报》 北大核心 2025年第5期29-46,共18页
为了提升多样化的图像内容在复杂多变的无线信道条件中的自适应性和编码灵活性,面向语义图像传输(SIT)系统提出一种深度灵活的信源信道联合编码(DF-JSCC)方案以及传输性能预测(PreNet)模型。具体而言,在DF-JSCC中融入多尺度特征融合模块... 为了提升多样化的图像内容在复杂多变的无线信道条件中的自适应性和编码灵活性,面向语义图像传输(SIT)系统提出一种深度灵活的信源信道联合编码(DF-JSCC)方案以及传输性能预测(PreNet)模型。具体而言,在DF-JSCC中融入多尺度特征融合模块(MS-FFM),提高模型对细节特征的捕获能力。进一步引入特征增强模块(FEM),通过自适应地调整特征图的通道权重,增强对重要特征的表达能力。此外,PreNet通过在细节丰富的特征图中进行特征分布建模,并利用多维特征融合和学习,实现了对重构图像峰值信噪比(PSNR)的高质量预测。实验结果表明,与现有最先进的DeepJSCC方案相比,DF-JSCC在多样化通信场景中实现了至少1.03dB的PSNR性能改进,同时在相同的传输条件下,能够节约50%以上的带宽资源消耗。PreNet通过进一步降低20%的均方误差(MSE),增强了复杂环境中SIT的预测质量和鲁棒性。 展开更多
关键词 编码灵活性 语义图像传输 信源信道联合编码 性能预测
在线阅读 下载PDF
液气相变CO_(2)向心透平设计及变工况性能预测
18
作者 王凯欣 宫武旗 +1 位作者 高心怡 王芳 《工程热物理学报》 北大核心 2025年第10期3217-3226,共10页
透平膨胀机是跨临界CO_(2)热泵中的重要部件之一,其性能直接影响着系统的能效指标。本文基于叶轮机械流动理论,建立了液气相变CO_(2)向心透平的设计方法和变工况性能预测方法。针对某一跨临界CO_(2)热泵循环的热力参数,设计了一台存在CO... 透平膨胀机是跨临界CO_(2)热泵中的重要部件之一,其性能直接影响着系统的能效指标。本文基于叶轮机械流动理论,建立了液气相变CO_(2)向心透平的设计方法和变工况性能预测方法。针对某一跨临界CO_(2)热泵循环的热力参数,设计了一台存在CO_(2)两相流的向心透平,采用CFD对设计的透平进行了数值分析。结果表明,所设计的向心透平性能满足参数要求;额定工况下,叶轮出口处气态CO_(2)组分占比达到19.2%;变工况性能预测结果与数值计算结果相比,偏差在5%以内。 展开更多
关键词 跨临界CO_(2)热泵系统 向心透平 液气相变 设计方法 性能预测方法
原文传递
毫米级碳化硼颗粒增强核辐射屏蔽材料的力学性能预测
19
作者 孙伟强 刘小君 +5 位作者 燕奕宏 纪富 林瀚文 柯涛 胡华四 胡光 《西安交通大学学报》 北大核心 2025年第11期155-163,共9页
针对现有预测模型不完全适用于兼具中子、伽马综合屏蔽性能的毫米级碳化硼(B_(4)C)颗粒增强金属基核辐射屏蔽材料力学性能预测的问题,提出一种结合有限元仿真软件和自编程的力学性能预测模型。首先,使用LiveLink^(TM)for MATLAB^(®... 针对现有预测模型不完全适用于兼具中子、伽马综合屏蔽性能的毫米级碳化硼(B_(4)C)颗粒增强金属基核辐射屏蔽材料力学性能预测的问题,提出一种结合有限元仿真软件和自编程的力学性能预测模型。首先,使用LiveLink^(TM)for MATLAB^(®)接口将有限元软件COMSOL Multiphysics和MATLAB自编程相结合,构建基于随机算法模型(GRM)的代表性体元模型,并计算确定了模型尺寸、网格划分尺寸等关键模拟参数;其次,与文献模型数据对比,验证了模型的正确性;最后,仿真计算了B_(4)C颗粒的含量、形状和粒径等参数对复合材料力学性能的影响。结果表明:当B_(4)C颗粒与基体理想结合、半径为0.20 cm、体积分数为30%时,复合材料的屈服强度比B质量分数为1.80%和1.65%的硼钢分别高25.60%和21.00%;在毫米级粒径范围内,B_(4)C颗粒形状和粒径大小对复合材料弹性模量、屈服强度的影响不超过3.28%;所提预测模型对毫米级B_(4)C颗粒增强核辐射屏蔽复合材料多性能优化设计时力学性能的评估具有指导意义。 展开更多
关键词 毫米级B_(4)C颗粒 核辐射屏蔽 代表性体元模型 力学性能预测
在线阅读 下载PDF
基于机器学习的旋压成形20钢筒形件表面质量和性能预测
20
作者 李浩玮 李强 +3 位作者 桂海莲 李沂玮 杨鹏程 申春雷 《机械工程材料》 北大核心 2025年第10期58-65,共8页
采用有限元模拟了不同减薄率(10%,20%,30%,40%,50%)和进给率(0.55,0.70,0.85,1.00,1.15,1.30,1.45 mm·r^(-1))下旋压成形20钢筒形件的椭圆度、直线度和残余应力,构建数据集,采用粒子群优化(PSO)优化支持向量回归(SVR)、随机森林(RF... 采用有限元模拟了不同减薄率(10%,20%,30%,40%,50%)和进给率(0.55,0.70,0.85,1.00,1.15,1.30,1.45 mm·r^(-1))下旋压成形20钢筒形件的椭圆度、直线度和残余应力,构建数据集,采用粒子群优化(PSO)优化支持向量回归(SVR)、随机森林(RF)、梯度提升决策树(GBDT)和极端梯度提升树(XGBoost)算法建立机器学习模型,对比分析各模型预测效果,并进行了沙普利可加性特征解释(SHAP)分析。结果表明:有限元模拟得到随着减薄率增加,椭圆度先增大后减小后增大,直线度先增大后减小,残余压应力先减小后增大;随着进给率增加,椭圆度增加,直线度增大,残余应力变化不显著。对直线度、椭圆度和残余应力预测准确性由高到低依次为GBDT模型、XGBoost模型、RF模型和SVR模型;GBDT模型SHAP分析结果与实际结果基本相符,证明了GBDT模型预测的可靠性。GBDT模型预测得到满足直线度小于0.5 mm、椭圆度小于0.4 mm、残余应力小于160 MPa要求的旋压工艺参数为减薄率40%、进给率0.55~0.90 mm·r^(-1)。 展开更多
关键词 旋压工艺 机器学习 表面质量 性能预测 SHAP值可解释分析
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 86 下一页 到第 页
使用帮助 返回顶部