"双高计划"背景下校企专兼结合"双师型"教师团队建设研究

"双师型"教师团队建设是"双高计划"实施过程中最基础、最重要的环节.现阶段"双高"院校急需建设完善适合我国国情的"双师型"教师团队.分析新时代"双高计划"背景下"双师型"教师团队建设的特点、意义以及面临的问题,提出4项推进措施,旨在促进"双高"院校构建适应"双高计划"的新型校企专兼结合的"双师型"教师团队,创新师资团队建设机制,形成高职教育与企业培养共同发展的运行模式.     

基于组合赋权和BP神经网络的高校学生综合素质评价研究

考虑到主客观赋权的弊端,以高校学生综合素质评价为例,提出了一种基于最小相对信息熵原理的组合赋权方法,建立了综合职业能力视角下的评价模型。为了提高综合评价的便捷性,以单项指标为输入样本,评价成绩为输出样本构建BP神经网络。仿真结果表明,BP神经网络的预测平均相对误差为0.61%,最大相对误差为1.57%,说明该模型在合理的范围内能快速给出评价结果,避免了繁琐的计算过程,具有一定的应用前景。     

一种基于VINS/FINS组合导航方法

针对视觉惯性组合导航系统中微惯性器件精度偏低,以及足部惯性导航系统航向角误差可观测性差的问题,研究了一种基于上述两种系统的信息双向融合的导航定位方案. 该方法的系统结构由安装于双足步行机器人躯干部分的惯性导航系统和安装于其足部惯性导航系统两部分组成. 惯性导航系统通过视觉同时定位与地图构建数据融合方法可以获得相对准确的航向角,足部惯性导航系统利用零速修正后的位置信息实时修正惯性导航系统中的低精度惯性器件误差,从而构建视觉与惯性信息双向融合的组合导航系统结构. 实验结果表明,该组合导航方案可以有效提高双足步行机器人的航向精度和定位精度.     

脂环族聚酰亚胺研究进展

本文简述了近年来国内外脂环族聚酰亚胺(Al-PIs)的研究进展,着重从历史演变的角度介绍了典型单体和聚合物的合成,讨论了脂环族聚酰亚胺在透明柔性显示、气体分离膜、光敏材料和液晶取向膜的应用,并对脂环族聚酰亚胺的发展趋势和应用前景进行了展望.     

考虑温度和负荷相关性的重庆冬季空调负荷计算

空调设备的广泛应用给电网带来了大量的空调负荷,对电力系统的安全经济运行产生了越来越大的影响.为了正确估计空调负荷规模,提出一种考虑温度与负荷相关性的冬季空调负荷计算方法.首先,通过计算温度与负荷在筛选过程中的相关系数,从基准日中剔除异常温度日;其次,考虑到基本负荷的日增长情况,采用回归分析法拟合冬季各日的基本负荷曲线.针对春节期间电力系统负荷急剧下降的特点,提出用春节系数来修正冬季基本负荷,冬季空调负荷则为冬季电力系统负荷与冬季基本负荷之差.最后,利用该方法对重庆市2018年冬季空调负荷进行计算,验证所提方法的有效性.     

基于语义分析的设计实体智能搜索

本文提出了在设计联盟组织过程中实现互联网上设计实体智能搜索的方法。根据对互联网上设计实体搜索问题的分析建立了设计实体智能搜索策略；定义了提取设计实体查询向量和描述向量的语义分析规则；提出了基于语义分析的设计实体智能搜索算法；最后编程实现了各项功能。     

CMS环境下基于智能优化算法的单元间布局问题研究*

研究了单元制造系统(CMS)设计中单元间布局设计问题,从单元制造系统的实际出发,提出了一种基于割树(Slicing-tree)的单元间布局设计模型.该模型考虑了单元形状约束、单元I/O点位置优化等诸因素对布局结果的影响.针对基于割树的描述形式,采用遗传算法求解,提出了一种新的割树编码方案,克服了以往编码方案易产生非法子串、不能覆盖整个解空间以及实现困难等缺点.计算结果表明,该算法是有效的、可行的.     

微晶纤维素在稀硫酸中的热解机制研究

以微晶纤维素为原料,通过热转化可以得到葡萄糖、乙酰丙酸等多种用途广泛的有机化合物,在此过程中也存在脱水碳化竞争反应,得到生物碳副产物.分别以酸浓度和温度为实验变量,采用高效液相色谱(HPLC)对样品的液体产物进行表征,探索微晶纤维素在稀硫酸溶液中的热分解转化机制.结果表明:微晶纤维素的热分解转化是连续反应和竞争反应同时存在的复杂反应过程;控制温度在180～200℃,酸浓度在0.05～0.1 mol/L时,可获得最大产率的葡萄糖(约21.90％);若温度为200℃,酸浓度为0.2 mol/L时,则主要产物为乙酰丙酸.     

High-performance Multicrystalline Silicon Ingots Assisted by Recycled Multicrystalline Silicon Block Tailing as Seeds

Silicon - Nowadays, casted multicrystalline silicon is the most important material in photovoltaic industry. In order to reduce the cost of silicon ingots, the recycle of silicon ingot tailings is...     

基于PCC-RBF网络的风电功率短期预测方法

风电功率预测对风电场安全平稳运行、电网调度具有重要意义。针对风电功率短期预测指标选择不合理、预测精确度偏低的问题,提出一种基于皮尔逊相关系数(PCC)和径向基函数(RBF)神经网络的风电功率短期预测方法。该方法利用PCC筛选出与风电功率密切相关的3个指标,即电流、温度、风速,然后以这3个指标作为预测模型的输入对风电功率进行RBF样本训练与短期预测。试验结果表明,所提的预测模型预测误差更小,预测精度更高,能够满足风电功率短期预测的要求,具有广泛的应用前景。