本发明公开一种基于强化学习进行布局调整的芯片宏元件放置方法，使用强化学习来学得如何调整现有的布局而不是从头放置元件，从而为策略提供足够的信息，并获得相对密集和准确的奖励。此外，本方法在训练过程中引入了规整度这一概念，这是芯片设计行业中被视为重要指标，但当前强化学习布局方法中常被忽视。本方法在ICCAD 2015基准测试中进行评估，与几种竞争方法相比能够改进半周长布线长度和规整度。使用商业软件测试芯片的功耗、表现、面积性能，结果表明所提出的布局调整方法能够实现显著的PPA改进。此外，本方法能够对任何方法的布局进行微调，提升其质量。
本发明提供一种用于工程车辆的通过噪声预测方法及装置，涉及工程车辆技术领域。该方法包括:将工程车辆物理模型进行声源划分，获得车辆噪声声源；对工程车辆的通过噪声急加速区域进行位置划分，获得工况点位；基于车辆噪声声源以及工况点位进行车辆参数计算，得到转速数据以及扭矩数据；基于转速数据以及扭矩数据，根据工程车辆基础数据，通过声学试验进行特性数据采集，获得声源声学特性；基于车辆噪声声源，根据工程车辆基础数据进行噪声传递计算，得到噪声传递函数；根据声源声学特性以及噪声传递函数进行瞬态噪声关联预测，获得工程车辆的通过噪声预测结果。本发明是一种针对工程车辆的高效且准确的噪声预测方法。
本发明提供了一种基于健康监测的混凝土连续刚构桥温致挠度预测和安全预警方法，针对混凝土连续刚构桥桥型，基于桥梁健康监测系统采集的海量实测数据提取反映结构性能的具体指标，通过核主成分分析提取混凝土连续刚构桥截面温度梯度信息，对挠度数据进行小波分解提取温致挠度；通过温致挠度的预测模型反映结构性能变化，有效地分析桥梁结构性能长期变化规律，构建了具有明确物理含义的桥梁温致挠度指标预测模型；基于模型预测误差设置桥梁安全预警阈值，并且根据桥梁结构实际运营状况和桥梁业主需要，通过简单调整参数对桥梁状态进行多级预警；实现了监测桥梁健康的功能，为桥梁运营管理提供重要指导，具有广阔的应用前景。
本发明公开了一种非线性超声检测信号降噪和特征增强方法及系统，涉及非线性超声检测技术领域，该方法包括:对检测到的混凝土损伤的非线性超声信号进行CEEMDAN分解，得到多个本征模态分量IMFs；利用样本熵值对分解得到的IMFs进行归类整合，得到归类整合后的分量IN‑IMFs；针对归类整合后的IN‑IMFs进行变分模态分解，得到一组本征模态函数IMFs；根据时间步长将所述本征模态函数IMFs划分为训练数据集和测试数据集，将训练数据集输入门控循环单元模型进行训练，输出每个IN‑IMF降噪和特征增强效果结果。本发明能对岩石、混凝土等材料损伤的超声和非线性超声检测降低噪声干扰，能增强非线性超声中检测信号的非线性特征。
本发明涉及一种基于深度学习的轨迹预测的方法，属于轨迹预测技术领域，本发明融合长短时记忆网络和Transformer的深度学习网络，并将其应用于航空器轨迹预测领域中，适应航空复杂环境中的高维、多变数据输入，如历史轨迹、风速、风向等动态因素，解决传统物理模型在应对动态环境中的不确定性问题，为航空器轨迹预测提供了一种更为精准和高效的解决方案，从而提高了任务的成功率和安全性。本发明的方法还使用了混合专家模型。使不同专家网络能够针对特定高度进行优化，从而使模型能够根据不同高度的大气条件自适应地使用不同的参数，有效增强了模型的预测精度和泛化能力，为航空器轨迹预测提供了更为精准和高效的解决方案，进而提高了任务的成功率和安全性。
本发明公开了一种基于协同蚁群的多目标多机器人任务分配方法，构建多目标多机器人任务分配模型，进行协同蚁群算法设计，在蚁群算法中设置三个蚁群分别具有最小化所有任务的最大完成时间、最小化所有机器人的平均移动时间以及最小化所有任务的平均等待时间三个优化目标，求解多目标多机器人任务分配模型；采用通过局部搜索选出三个优化目标上的最优解，分别进行三个协同蚁群的信息素全局更新；输出多目标多机器人任务分配模型最优解集合。与传统多目标方法相比，本发明在不同规模的多机器人任务分配问题上表现稳定，均能在较短时间内得到一系列优质的可行解。
本发明公开一种动态公交专用道的网联车辆强制换道持续时间预测方法，涉及换道时间预测技术领域，旨在解决传统的公交专用道动态控制方法无法实现精确预测的问题，包括:S1，采集公交专用道强制换道原始数据集，对原始数据集进行预处理以得到特征数据集；S2，对特征数据集中包含的特征数据进行筛选，改进并构建生成CNN‑BiLSTM‑Attention组合模型；S3，对组合模型进行训练和调试，以得到最优的组合模型参数；根据训练完成的组合模型进行强制换道持续时间的预测。本发明的方法能够实现对实际工况下强制换道时长的精准预测，为动态公交道清空距离设定以及网联智能车辆协作换道提供决策参考。
本发明属于音乐在线教学技术领域，本发明公开了一种音乐在线教学服务平台的构建方法；包括:采集学员行为数据、学员录音数据和标准音乐数据；对学员录音数据进行处理，获得增强录音数据，对增强录音数据和标准音乐数据进行特征提取，获得增强录音数据和标准音乐数据的本体特征；将增强录音数据的本体特征和标准音乐数据的本体特征进行比对，根据比对结果获得音乐水平评级系数，根据音乐水平评级系数获得学员的音乐水平等级；根据学员行为数据以及学员的音乐水平等级向学员推送对应的在线音乐课程；根据学员的喜好和音乐水平向学员推送对应的在线音乐课程，进一步提高了音乐在线教学的效率以及学员的满意度。
本发明涉及一种飞机发动机故障预测方法，属于设备故障预警技术领域，解决了现有技术中因不同飞机发动机的运行环境、使用寿命等方面的个体化差异导致的故障预测不准确问题。方法包括:获取多个训练飞机发动机的全生命周期数据；全生命周期数据分为正常数据和异常数据；异常数据中包含故障预警数据；利用每个训练飞机发动机中的正常数据训练对应飞机发动机的SOM模型，并获得故障预警数据的MQE；基于多个训练飞机发动机中故障预警数据的MQE的平均值，确定预警区间对应的MQE范围；利用多个测试飞机发动机分别测试MQE范围的正确率，若正确率超过正确率阈值的测试飞机发动机的占比超过第一测试通过率阈值，则基于MQE范围进行待预测飞机发动机的故障预测。
本发明提供了一种运算装置及其操作方法，装置包括数据模块及运算模块，数据模块对数据进行操作，包括从内存中读出或写入数据和向运算模块输入运算数据等，运算模块用于根据指令对数据进行相关运算。本发明提升了包含大量向量计算任务的执行性能，具有指令结构简洁、数据运算灵活高效等优点。