【摘 要】
：
大国竞争靠工业,工业竞争在智能。在国家相继出台“中国制造2025”“新一代人工智能发展规划”等一系列政策措施推进我国工业智能化转型的背景下,矿业作为关系我国经济命脉和能源安全的重要基础产业,智能化是其发展的必由之路,可从本质上提升矿山企业的核心竞争力,从而推动我国矿业向安全、高效、经济、绿色与可持续的目标发展,在日益激烈的市场竞争中脱颖而出。
论文部分内容阅读
大国竞争靠工业,工业竞争在智能。在国家相继出台“中国制造2025”“新一代人工智能发展规划”等一系列政策措施推进我国工业智能化转型的背景下,矿业作为关系我国经济命脉和能源安全的重要基础产业,智能化是其发展的必由之路,可从本质上提升矿山企业的核心竞争力,从而推动我国矿业向安全、高效、经济、绿色与可持续的目标发展,在日益激烈的市场竞争中脱颖而出。
其他文献
以云南省桥梁为例,建立了多目标桥梁劣化因果分析方法.该算法在关联规则挖掘算法的基础上引入遗传算法和灰色关联分析方法解决了关联规则挖掘算法中支持度和置信度取值大小影响规则质量问题.评估了云南省亚热带地区桥梁的劣化因果关系.实验结果表明建成年限、下穿通道类型、桥梁的构造形式及构造材料、降雨量等因素对桥梁劣化产生较大影响.
旅行商问题是一个经典的组合优化难题,它具有重要的理论研究价值以及实际应用意义.针对此问题提出一种基于改进选择策略的离散烟花算法,将上一代适应度值最小的火花保留,同时加入动态参数自适应调整选择数目和概率,将最优火花和动态选择火花作为子代,该选择方式兼顾了适应度大小及子代选择的优劣性,并且使算法能够跳出局部最优增强了算法的全局搜索能力,保证了种群的多样性.实验表明了改进后的算法的优化程度及可行性.
本文以纯电动汽车的动力电池包钢制与铝制箱体为研究对象,利用传热学相关理论对电池包箱体进行分析,得出了电池包保温性能的影响因素。应用Catia软件中的创成式模块和零件设计模块对钢制与铝制电池包箱体进行了三维建模,为仿真分析提供了几何模型。并在Hypermesh软件中对电池包箱体三维模型进行网格划分,构建出有限元热分析的网格模型。运用Taitherm软件采用热流耦合的方法对电池包网格模型进行仿真计算。根据仿真计算结果对钢制与铝制电池包箱体的保温性能进行了对比研究并对不同的保温设计方案进行了优化。
随着经济的发展,企业积累的重要数据和信息资源日益丰富,因此对文件加密技术提出了更高的要求.AES性能优越,但也存在种子密钥单一和密钥空间固定等问题.论文将混沌理论中的二维Logistic映射方法应用到AES的加密算法中,利用其初值敏感性和不可预测性改善了扩展密钥的构造质量,增强了AES算法的安全性,起到了显著的优化效果.
9月22日上午10点,经过71小时的连续施工,黄茅海跨海通道项目黄茅海大桥中塔承台第二层混凝土浇筑顺利完成,进入塔座施工新阶段。黄茅海大桥是世界在建的最大三塔公路斜拉桥,中塔承台平面呈椭圆形,设计混凝土总方量为9613立方,此次浇筑方量约为5600立方,是黄茅海大桥整个施工过程中单次浇筑方量最大,耗时最长的一个塔柱,由保利长大工程有限公司承建。
通过三维建模软件Pro/E对齿轮箱箱体进行模型的建立,将建立好的几何模型导入到有限元分析软件ANSYS中进行模态分析,可以得到齿轮箱体结构的固有频率和振型。为了验证此模型,通过在实验室搭建齿轮箱体的模态试验平台,在对箱体进行合理布点后,以力锤的敲击作为激励,最终获得齿轮箱体的模态试验结果。将有限元分析的结果与实验结果进行了对比分析,并进一步修正齿轮箱箱体模型参数后,发现两者的结果基本一致,从而验证了通过有限元分析与模态试验相结合的技术路线对箱体结构进行修正的可行性,因此,该方法对齿轮箱体结构及其他结构体的
针对复杂场景下的视觉目标跟踪问题,论文提出了一种基于三通道孪生网络的鲁棒目标跟踪算法。该算法使用三个并行的VGG-16网络进行特征提取。然后,通过卷积操作得到当前帧相对于真实目标和上一帧输出目标的相似度分数图,再根据融合分数图定位当前帧中跟踪对象的位置。文中的实验证实,在复杂场景下,论文提出的算法相对于Siamese-fc等其他实时目标跟踪算法,在跟踪鲁棒性方面有着较大的优势。实验结果同时表明论文
传统的K-means算法存在初始质心敏感、需要人为指定K个数等问题,可以通过融合Canopy算法在一定程度上缓解,但是仍然存在抗噪能力弱、质心选择盲目、运算时间长等问题.论文提出了一种改进算法,在抗噪性、初始质心选择、运算过程三方面,对Canopy-K-means算法进行优化.该算法采用了剪枝、“最大最小规则”、相似度计算等策略来实现算法目标.实验数据表明,改进后的Canopy-K-means算法对比传统的Canopy-K-means算法、K-means算法均具有更高的检测率、更低的误报率.
随着深度学习技术的发展,一些工作把深度学习运用于推荐系统中.为进一步提高推荐质量,提出一种基于融合辅助信息的神经网络组合推荐系统NFR(Neural Fusion Recommender).通过训练多个彼此独立的神经网络模型,连接模型输出前的最后一层,最后用加权的方法将多个模型组合在一起,并给出了算法的实现方法.在现有基准数据集上进行实验,利用命中率和归一化折损累计增益对实验结果进行评估.实验结果证明NFR不仅可以通过其他网络进行扩展,还可以通过融合数据源的辅助信息提高预测能力,相比之前的方法表现更好.
SNP数据在人类遗传病诊断与治疗中存在重要作用,但SNP原始数据存在大量冗余,因此需要选择出信息量大的SNP,完成SNP数据的降维.针对常用聚类算法应用到信息SNP选择时未考虑单个SNP与SNP子集之间相似度的问题,采用一种新的相似度度量方法,提出了一种改进的聚类算法K-MIGS,并将其应用到SNP选择中.K-MIGS算法解决了传统K-means不能挖掘出SNP位点与SNP子集之间的强相关性问题,并在医院提供的临床数据实验中表明,K-MIGS具有更高的非信息SNP子集重构度.最后使用支持向量机、决策树和神