工科专业课课程思政建设方案:以《电力系统分析》课程为例

把立德树人作为教学中心环节已成为我国高等教育事业新趋势,如何在工科专业课程中润物无声地融入思政元素是一个需要探讨的问题。为了培养德才兼备的复合性人才,高校必须尽快建立适用于工科专业课程的思政建设方案。该文分析工科专业涉及到的科学、技术、工程的国界属性,充分挖掘基于工科专业课程的培养模式与思政元素,构建工科专业人才培养的课程思政教学体系。文章分析传道受业解惑三者在课程中的辩证关系,针对六项课程思政培养目标,将工科专业课解构为5个典型教学环节,在这个课程思政教学框架下,提出十类课程思政在专业课中的融入策略,以期为我国工科专业的人才全方位培养提供参考。并以电气工程专业的核心专业课《电力系统分析》为例,探讨所提出的工科专业课程思政建设方案的有效性和可行性。     

基于射钉法的小方坯凝固过程数值模拟

结合方坯连铸机二冷各段的实际情况，在二冷各段末对铸坯进行射钉取样，利用硫印法测定方坯二冷区内目标点凝固壳的厚度，建立了方坯传热数学模型，并利用射钉结果修正数学模型中的各段的传热系数，提高数学模型的准确性。将射钉法确定的坯壳厚度与数学模型计算结果相比较，结果表明，利用修正过的数学模型可以模拟整个铸机的传热凝固过程。     

受限接收缓存下CMT稳态吞吐量建模与分析

多路径并行传输(CMT)是一个基于流控制传输协议(SCTP)的新传输协议,它使用SCTP协议的多宿特性,在一条端到端偶联中的多条路径上并行地进行数据分发,相对单路径传输具有聚合带宽、可以提高端到端吞吐量的优点.文中针对受限接收缓存下发送窗口是否受接收窗口影响两种情况分别对多路径并行传输进行建模,提出了基于发送窗口和接收窗口关联的CMT吞吐量模型.首先以轮为单位,分别对两种情况下的超时阶段、慢开始阶段和拥塞避免阶段的拥塞窗口进行了分析.其次,综合3个阶段传输情况,得到1个多路径并行传输过程中,稳态吞吐量关于RTT、RTO和丢包率的函数关系,它能够很好地估计多路径并行传输协议在受限接收缓存下稳态吞吐量.最后,通过仿真实验和结果分析验证了多路径并行传输吞吐量模型的有效性和准确度.     

BSP模型下基于边聚簇的大图划分与迭代处理

近年来随着互联网的普及和相关技术的日益成熟,大规模图数据处理成为新的研究热点.由于传统的如Hadoop等通用云平台不适合迭代式地处理图数据,研究人员基于BSP模型提出了新的处理方案,如Pregel,Hama,Giraph等.然而,图处理算法需要按照图的拓扑结构频繁交换中间计算结果而导致巨大的通信开销,这严重地影响了基于BSP模型的系统的处理性能.首先从降低消息通信的角度分析当前主流BSP系统的处理方案,然后提出了一种基于边聚簇的垂直混合划分策略(EC-VHP),并建立代价收益模型分析其消息通信优化的效果.在EC-VHP的基础上,提出了一个点-边计算模型,并设计了简单Hash索引和多队列并行顺序索引机制,进一步提高消息通信的处理效率.最后,在真实数据集和模拟数据集上的大量实验,验证了EC-VHP策略和索引机制的正确性和有效性.     

一种基于EQ规则的组合服务运行时自适应方法

组合服务通常运行在开放、变化和不确定的互联网环境中.动态复杂的运行环境,使得组合服务的执行具有不确定性和不可靠性,从而制约了服务组合技术的实际可用性.针对该问题,面向环境的分析与建模,提出了一种基于EQ规则的组合服务运行时自适应方法.该方法在记载组合服务的执行日志和各备选服务的运行环境数据的基础上,挖掘得到反映“一个备选服务在特定的环境状态下所表现出的质量会如何”的EQ规则库,从而指导组合服务如何响应实时产生的各类环境变化事件,以驱动组合服务的运行时自适应,保障其可靠运行.仿真实验结果表明:该方法能够提高组合服务在动态环境中的服务质量,增强其运行稳定性,是一种有效的组合服务运行时自适应方法.     

一种基于服务选取的SBS云资源优化分配方法

获取满足全局优化目标的资源分配策略,是影响云环境中基于服务的软件系统(service-based software system,简称SBS)运行时优化效果的关键.然而,由于SBS内部复杂的业务逻辑关系和云环境中的资源约束,现有分配方法无法得到最优资源分配量.以满足SLA约束和最小化资源成本为目标,根据不同资源状态对应不同组件服务性能的特点,将组件服务可能的资源分配量、相应性能及成本转换为备选逻辑服务集,进而提出了一种云环境中基于服务选取的SBS资源优化分配模型,并设计了一种求解模型的混合遗传算法.算法采用整数编码以提高求解效率,并在选择算子中引入了精英保留策略,从而保证收敛到全局最优解.为提高遗传算法的局部搜索能力、加快收敛速度,以局部搜索策略改进了标准变异算子.实验验证了所提出的资源优化分配模型和求解算法的有效性,并表明:与分支定界法及精英保留策略遗传算法相比,混合遗传算法能够在较大规模的问题上快速获得具有较低资源成本的资源分配策略.     

一种大数据环境中分布式辅助关联分类算法

在很多现实的分类应用中,新数据的类标需要由领域专家最终确定,而分类器的分类结果仅起辅助作用.另外,随着大数据所隐含价值越发被人们重视,分类器的训练会从面向单一数据集逐渐过渡到面向分布式空间数据集,大数据环境下辅助分类也将成为未来分类应用的重要分支.然而,现有的分类研究缺乏对此类应用的关注.大数据环境中的辅助分类面临以下3个问题:1) 训练集是分布式大数据集;2) 在空间上,训练集所包含的各局部数据源的类别分布不尽相同;3) 在时间上,训练集是动态变化的,会发生类别迁移现象.在考虑以上问题的基础上,提出一种大数据环境中分布式辅助关联分类方法.该方法首先给出一种大数据环境中分布式关联分类器构建算法,在该算法中,通过横向加权考虑分类数据集在空间上的类别分布差异,并给出"前件空间支持度-相关系数"的度量框架,改进关联分类算法面对不平衡数据的性能缺陷;然后,给出一种基于适应因子的辅助关联分类器动态调整方法,能够在分类器应用过程中充分利用领域专家实时反馈的结果对分类器进行动态调整,以提升其面向动态数据集的分类性能,减缓分类器的退化和重新训练的频率.实验结果表明,该方法能够面向分布式数据集较快地训练出有较高分类准确率的关联分类器,并在数据集不断扩充变化时提升分类性能,是一种有效的大数据环境中辅助分类应用方法.     

基于NSGA-II 的具有多目标子学科的协同优化方法

针对子学科具有物理目标的多目标协同优化问题, 研究基于NSGA-II 的求解策略. 鉴于子学科个体满足约束可行性的进化过程与系统级分配期望值无关, 提出具有良好的可行性和多样性的初始种群生成方法, 以提高多目标子学科的计算效率和计算精度. 为了解决由一致性目标函数与物理目标函数的作用不同而造成的NSGA-II 非支配级排序困难, 提出将子学科一致性目标函数转化为子学科自身约束的策略. 最后, 利用工程算例对所提出方法的有效性进行了验证.

     

航空电源电池管理系统BMS设计

针对航空电源电池管理系统可靠性的需要,研究了现有的电池管理系统的特点,设计了一种基于飞思卡尔MC9S12XET256和Linear 6804-2的电池管理系统。该系统硬件包括电池组电池电压测量电路、温度测量电路、电池充放电电压电流测量电路以及基于Linear 6820的iso SPI和SPI转换电路;软件设计包括电池电量数据读取、温度数据读取、充放电电流计算、均衡控制、电池荷电状态(SOC)与健康状况(SOH)的计算以及主控芯片的任务管理与通信。试验测试表明,该系统运行稳定,测试精度高,可在电池管理实际工程中使用。     

高维多目标动态停车场选择及路径诱导研究

现有停车诱导系统中采用的停车场选择及路径诱导方法多局限于提供用户出行前多目标最优的停车场选择方案及路径诱导方案,无法实现用户行进过程中动态的多目标停车场及路径优化选择,此外由于现有多目标优化算法性能受限,无法快速获得真正高维多目标最优的决策方案.针对上述问题,提出一种综合用户出行前静态的和行进中动态的高维多目标停车场选择及路径诱导模型,并设计了高维多目标优化算法KS-MODE保证模型的高效求解.实验结果表明,KS-MODE在4～15目标优化问题上的收敛性能相比较于现有多种算法具有明显优势,基于KS-MODE的模型求解能够在城市交通网中实现出行前及行进中的五目标最优的动态停车场选择及路径诱导,证明了高维多目标优化算法是求解停车场选择及路径诱导的有效方法,能够提高现有停车诱导系统的诱导精度及智能化程度.