XiaoMi-AI文件搜索系统
World File Search System参数优化
CMOS模拟信号的性能参数优化
设计理想的模拟电路由于非常大的集成而变得困难。互补的金属氧化物半导体（CMOS）模拟整合电路（IC）可以使用进化方法来找出每个设备的尺寸。使用高级纳米晶体管晶体管技术（180 nm）设计了CMOS操作性转导放大器（CMOS OTA）和CMOS电流传送带第二代（CMOS CCII）。CMOS OTA和CMOS CCII都具有较高的性能，例如广泛的频率，电压增益，发动速率和相位边缘，以在信号处理中包括非常广泛的应用，例如活动过滤器和振荡器。优化方法是一种迭代过程，它使用优化算法来更改设计变量，直到确定最佳解决方案为止。在这项研究中，采用了不同种类的算法遗传算法（GA），粒子群优化（PSO）和杜鹃搜索（CS）来增强和增强性能参数。减少开发常规操作放大器的安装时间所需的时间。一些研究降低了在各种频率下使用的功率的值。其他人以极高的频率运行，但其功耗大于以较低频率运行的功耗。
用于锂离子电池健康估算状态的基于装袋的ELM算法中的超参数优化
daniel-ioan Stroe能源系Aalborg University Aalborg，丹麦des@energy.aau.dk摘要 - 广泛研究了人工神经网络的健康状况（SOH）估计锂离子电池的估计，因为它们可以从原始数据中识别全球功能，并能够与多二维数据相处。，但模型的性能在一定程度上取决于选择超参数的选择，而超参数在模型训练期间保持恒定。为了提高概括性能和准确性，为电池SOH估算提供了一个集合学习框架，其中将多个极端学习机与装袋技术结合在一起。然后，基本模型的袋子和神经元的数量通过五种常用的高参数优化方法调节。此外，选择具有最大概率密度的SOH值作为输出估计，以进一步提高估计精度。最后，对NMC和LPF电池的实验结果表明，具有超参数优化的提出的方法可以实现稳定而准确的电池SOH估计。无论使用哪种优化方法，NMC和LFP电池的SOH估计的平均百分比误差分别可以保持在1％和1.2％以下。
螺栓连接力学模型及参数优化...
ISSN 1330-3651 (印刷版), ISSN 1848-6339 (在线版) https://doi.org/10.17559/TV-20201129072212 原创科学论文 巷道非直壁段锚喷支护力学模型及参数优化 程云海，李峰辉*，李刚伟 摘要：巷道锚喷支护一般采用梁模型计算，但巷道弯曲侧锚喷支护力学状态与直侧有明显不同。为了合理确定巷道弯曲侧锚喷支护参数，对喷层受力进行分析。将锚喷支护结构简化为固结梁与圆柱耦合的力学模型。为探明圆形巷道（或圆弧段）锚喷支护的力学机理，合理确定锚喷支护参数，对喷混凝土层进行应力分析。将锚喷支护结构简化为固结梁与圆柱体耦合的力学模型，结合摩尔-库仑强度理论，建立了喷混凝土层厚度、喷混凝土强度、锚杆间距、锚杆长度对围岩自承能力影响的力学模型，确定了锚喷支护参数与围岩自承能力的影响规律。研究结果表明：喷混凝土强度与围岩自承能力呈线性关系，喷混凝土厚度与围岩自承能力呈二次函数关系，锚杆间距、锚杆长度与围岩自承能力呈三次函数关系。研究成果对巷道曲线边坡锚喷支护参数的确定具有一定的指导意义。关键词：锚喷支护；筒体；力学模型1引言锚喷支护技术广泛应用于矿山、隧道、地铁等地下工程[1-6]。锚喷支护能最大程度地保持围岩的完整性和稳定性，充分发挥围岩的支护作用，对控制围岩的变形、位移、裂隙发展等起着重要作用[7-10]。国内外已有不少学者对锚喷支护技术进行了研究。李等[11-12]。[11]确定了喷层破坏时中性层的位置，探究了不同支护方式下锚喷支护参数与围岩自承能力的关系，建立了巷道围岩自承能力与锚杆间距、喷层厚度、喷层强度之间的力学模型。温等[12]建立了由系统锚杆支撑的外拱、喷层支撑内拱和钢框架组成的组合拱力学模型。王等[4]在对巷道围岩和喷层应力分析的基础上，建立了喷层厚度、喷层强度、锚杆间距对围岩自承能力影响的力学模型。方等[5]研究了喷层厚度、喷层强度、锚杆间距对围岩自承能力的影响。 [13] 设计了高预应力强锚喷支护方案，并利用振弦喷浆应力仪对方案实施后喷浆层的应力状态进行监测。吕建军等 [14] 提出了厚软岩巷道全断面锚固的二维半模型，建立了围岩及锚固系统的理论模型，得到了应力释放、锚杆与围岩耦合的分布规律。荆建军等 [15] 研究了预应力锚杆的力学性能
无参数优化算法的迭代波前塑形
通过散射培养基的光聚焦对生物组织中的光学应用有重大影响。最近，迭代的波前塑形已成功地用于通过或内部散射介质进行光聚焦，并引入了各种启发式算法以提高性能。虽然令人鼓舞，但可能需要大量的努力来调整参数朝着强大和最佳优化。此外，对于不同的散射样品和实验条件，最佳参数可能会有所不同。在这封信中，我们通过将传统的遗传算法（GA）与BAT算法（BA）相结合，提出了一种“智能”无参数算法（PFA），并且可以通过实时反馈自动计算突变率。在迭代WFS中使用此方法，可以在没有参数调整过程的情况下实现可靠和最佳性能。
基于NSGA-III算法的罐底液压成形工艺参数优化
2. 上海航天设备制造有限公司，上海 200245) 摘要：液压胀形工艺可以实现大型储罐底部的整体成形，但其质量受诸多工艺参数的影响。针对整体储罐底部液压胀形过程中出现的起皱、开裂缺陷，建立了以预胀压力、液压压力、压边力、压边圆角半径等工艺参数为优化目标的多目标优化模型。基于有限元仿真，利用Kriging技术建立工艺参数与质量标准之间的代理模型。采用NSGA-III算法，在储罐底部达到壁厚变化量最小、断裂趋势最小、翻边皱褶最小、皱褶趋势最小等目标的条件下，确定最优工艺参数。与粒子群优化（PSO）算法相比，NSGA-III算法更适合求解该优化问题。通过仿真实验验证了该方法的有效性和结果的准确性。关键词：储罐·液压成形·克里金法·NSGA-III
使用模糊推理的几何特征和过程参数优化激光沉积AISI 316钢
1生产工程毕业后计划，巴西圣保罗卫理公会大学。2工程学校，麦肯齐长老会大学，圣保罗，巴西。3古巴圣地亚哥de Cuba的Oriente University机械与工业工程学院。 4巴拉那帕拉纳帕拉纳联邦技术大学的客座教授。 5 Insper-巴西圣保罗教育与研究所。 *通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。 但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。 在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。 基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。 因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。 使用两个级别的因子PF，9.40 g/s和13.35 g/s。3古巴圣地亚哥de Cuba的Oriente University机械与工业工程学院。4巴拉那帕拉纳帕拉纳联邦技术大学的客座教授。5 Insper-巴西圣保罗教育与研究所。 *通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。 但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。 在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。 基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。 因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。 使用两个级别的因子PF，9.40 g/s和13.35 g/s。5 Insper-巴西圣保罗教育与研究所。*通讯作者：dtasev88@gmail.com摘要激光金属沉积（LMD）工艺是一种增材制造技术，由于其能力具有复杂的几何形状和不同类型的金属材料，因此吸引了汽车和航空工业的兴趣。但是，沉积层的结构和制成部分的几何特性受沉积过程参数之间的相互作用的影响。在本文中，使用模糊推理（FIS）技术来开发两个模型，以预测几何特性，并使用AISI 316不锈钢粉末和底物优化LMD工艺参数。基于阶乘分析的实验设计用于将所选沉积过程参数，激光功率（LP），粉末流量（PF）和焦距（FL）与过程的几何特征珠高（BH），珠宽度（BW），渗透深度（DP），渗透（DP）和湿度（DP）和湿度（WA）相关联。因子LP和FL使用三个操作水平：LP = 225 W，250 W，275 W，FL = 4.8 mm，5.0 mm，5.2 mm。使用两个级别的因子PF，9.40 g/s和13.35 g/s。差异分析允许识别PF影响BH，BH/BW比率，D和WA。激光功率（LP）的增加导致几何特征BW和DP的增加。第一个FI，用于预测珠的几何特性，具有高足够的（相对误差高达8.43％），用于评估EX的体验条件。考虑到所研究的工作条件和评估的变量，第二FI表示最佳相互作用。使用沉积过程参数LP = 250 W，FL = 5 mm，PF = 9.40 g/s，获得了最大输出解体指数（ODI = 0.845）。关键字：激光金属沉积，模糊推理，珠几何预测，沉积过程参数，AISI 316不锈钢1.简介
以相对密度和表面特征为质量约束的 WAAM 工作范围扩展和参数优化：以主动冷却的 Al5Mg 薄壁为例
摘要：通过线材+电弧增材制造 (WAAM) 成功高效地生产具有特定特征的零件，在很大程度上取决于选择正确且通常相互关联的沉积参数。这项任务在制造薄壁时可能特别具有挑战性，因为薄壁可能会受到加工条件和热积累的严重影响。在此背景下，本研究旨在扩大工作范围并优化 WAAM 中的参数条件，以预制件的相对密度和表面方面作为质量约束。实验方法基于通过 CMT 工艺在其标准焊接设置上沉积薄 Al5Mg 壁，并采用主动冷却技术来增强沉积稳健性。通过阿基米德方法估算内部空隙。通过视觉外观评估壁的表面质量，通过横截面分析评估表面波纹度。所有条件均表现出高于 98% 的相对密度。通过在焊枪上添加辅助保护气喷嘴和部件散热强度，将标准焊接硬件升级为 WAAM 用途，大大扩展了工艺工作范围，并通过多目标优化成功证明了其适用性。总之，提出了一种实现预期预制件质量的决策程序。
用于神经形态部署的二进制通信网络中的超参数优化
摘要 — 训练神经网络以用于神经形态部署并非易事。已经提出了多种方法来调整适合训练的反向传播或类似反向传播的算法。考虑到这些网络通常具有与传统神经网络非常不同的性能特征，因此通常不清楚如何设置网络拓扑或超参数以实现最佳性能。在这项工作中，我们引入了一种贝叶斯方法来优化用于训练可部署到神经形态硬件的二进制通信网络的算法的超参数。我们表明，通过针对每个数据集优化此算法的超参数，我们可以在每个数据集上实现此算法比以前最先进的准确度的提高（高达 15%）。这种性能飞跃继续强调将传统神经网络转换为适用于神经形态硬件的二进制通信时的潜力。索引术语 — 超参数优化、神经网络、贝叶斯优化、神经形态
混合动力汽车经济参数优化研究...
* 通讯作者：Priyaranjan Mahapatra 稿件收到：稿件接受：摘要随着可再生能源市场的快速发展，将不同的能源组合成混合可再生能源系统 (HRES) 的重要性越来越受到关注。这些混合系统可以克服单个发电技术在燃料效率、经济性、可靠性和灵活性方面的局限性。主要问题之一是光伏 (PV) 和风能资源的随机性。风通常与负载模式无关，有时在风能充足时可能会被丢弃。此外，太阳能仅在白天可用。由能源存储、可再生和不可再生能源发电组成的混合能源系统可以缓解与可再生能源不确定性和波动相关的问题。混合能源系统中的大量随机变量和参数需要进行优化，以最有效地调整混合系统组件的大小，以实现经济、技术和设计目标。本章概述了混合可再生能源系统的最佳尺寸和优化算法，以及设计此类系统时考虑的不同目标函数。关键词：混合能源系统、目标、优化、可再生能源、规模
机器和深度学习方法中解码想象语音脑电图的超参数优化评估
摘要：对与想象语音产生相对应的脑电图 (EEG) 信号进行分类对于直接语音脑机接口 (DS-BCI) 的开发非常重要。深度学习 (DL) 已在多个领域取得了巨大成功。然而，DL 方法是否比传统的机器学习 (ML) 方法在想象语音分类方面取得了重大进展仍是一个悬而未决的问题。此外，超参数 (HP) 优化在 DL-EEG 研究中被忽视，导致其影响的重要性仍然不确定。在本研究中，我们旨在通过使用 DL 方法来改进想象语音 EEG 的分类，同时还统计评估 HP 优化对分类器性能的影响。我们使用嵌套交叉验证方法对 HP 优化，在想象语音 EEG 上训练了三个不同的卷积神经网络 (CNN)。评估的每个 CNN 都是专门为 EEG 解码而设计的。由单词和元音组成的想象语音 EEG 数据集可独立地在两个集合上进行训练。将 CNN 结果与三种基准 ML 方法进行了比较：支持向量机、随机森林和正则化线性判别分析。测试了受试者内和受试者间的 HP 优化方法，并统计分析了 HP 的影响。在两个数据集上进行训练时，CNN 获得的准确率明显高于基准方法（单词：24.97%，p < 1 × 10 –7，机会：16.67%；元音：30.00%，p < 1 × 10 –7，机会：20%）。不同 HP 值的影响以及 HP 与 CNN 之间的相互作用均具有统计学意义。HP 优化的结果证明了训练 CNN 对解码想象语音的重要性。