雷州半岛“07．8”暴雨洪水分析

客观地分析研究2007年雷州半岛暴雨成因、时空分布、特性以及洪水特性,对于掌握雷州半岛的暴雨成因、特性及洪水形成条件和变化规律是十分有益的,特别是对雷州半岛今后防洪减灾、水资源综合利用规划、工程设计和建设等具有重要的价值。     

平均的建筑、平均的人--一种身份认同危机的深层思考

文章认为：现代社会中建筑设计领域的西方化模式产生了大量丧失个性的平均化的建筑,使得建筑的主体丧失了个性而不再获得身份认同,由此引发现代社会的精神焦虑,其根本解决方法是对个体自由创作的回归。     

基于液压摆缸的反铲挖掘机的设计与运动学分析

以提高反铲挖掘机的最大挖掘高度为优化目标,提出以叶片式液压摆动油缸取代斗杆直线油缸驱动挖掘机的新方案。首先参考某种挖掘机的相关参数,采用SolidWorks建立了传统挖掘机和新型挖掘机的三维模型,通过ADAMS进行运动学仿真,获得挖掘机运动轨迹包络图、铲斗斗齿位移曲线,确定了最大挖掘高度、最大挖掘半径。通过对比,表明了新方案可极大提高最大挖掘高度,验证了这种方案的可行性,为相关研究者提供一种新思路。     

基于51单片机的液压机械臂闭环控制系统设计

针对多关节液压机械臂开环控制精度低的问题,设计了一套基于51单片机控制的液压机械臂闭环控制系统。在上位机图形界面上输入控制数据,经串口通信到51单片机,通过控制电磁阀的导通来驱动机械臂运动;同时单片机可根据光电编码器实时采集的各关节运动角度,进行反馈控制,形成一个闭环控制系统,以减小机械臂运动误差。     

煤-电双目标下基于有模型强化学习的回转窑工艺参数优化

基于煤-电双目标下回转窑工艺参数优化问题,提出了有模型强化学习的解决方法. 首先,以固定时间间隔为单位对历史工艺参数和运行目标进行数据处理与聚合. 其次,搭建概率神经网络建立回转窑控制参数与影响参数、运行目标值的关系模型,该模型被用作为后期强化学习框架中的奖励模型. 然后,利用基于模型的离线策略优化的强化学习算法构建控制参数推荐智能体,同时优化回转窑生产过程的煤电消耗. 最后,给出一个案例证明所提方法对回转窑工艺参数优化的适应性、高效性.     

候选标记信息感知的偏标记学习算法

在偏标记学习中,示例的真实标记隐藏在由一组候选标记组成的标记集中。现有的偏标记学习算法在衡量示例之间的相似度时,只基于示例的特征进行计算,缺乏对候选标记集信息的利用。该文提出一种候选标记感知的偏标记学习算法(CLAPLL),在构建图的阶段有效地结合候选标记集信息来衡量示例之间的相似度。首先,基于杰卡德距离和线性重构,计算出各个示例的标记集之间的相似度,然后结合示例相似度和标记集的相似度构建相似度图,并通过现有的基于图的偏标记学习算法进行学习和预测。3个合成数据集和6个真实数据集上实验结果表明,该文方法相比于基线算法消歧准确率提升了0.3%～16.5%,分类准确率提升了0.2%～2.8%。     

660 MW燃煤机组瞬态过程能量分布特性研究

厘清变负荷瞬态过程中燃煤机组的能量分布特性是研究瞬态过程能耗的关键问题。本文以660 MW超超临界机组为对象,建立了全系统模型,获得了不同瞬态过程中机组各主要换热设备包括金属蓄热与工质蓄热在内的基础蓄热,以及受过程控制迟延影响的附加蓄热。结果表明：低压加热器和低温过热器分别为基础蓄热最小和最大的两个设备;变负荷过程中,基础蓄热随机组负荷值增大而增加,附加蓄热随机组负荷值增大而减小;整个工况下附加蓄热最大值为145.64 kW,与基础蓄热相比较小。     

基于Seq2Seq自编码器模型的交通事故实时检测与评价

路侧检测设备可以精准获取交通流量和速度等实时数据,交管部门可以借此显著提升对交通异常状态的感知水平.通过分析交通状态和交通流数据特征,建立一套基于交通流序列数据的交通事故实时检测系统和预警流程.首先,在交通状态感知方面,所建立的Seq2Seq自编码模型引入Attention机制,实现对交通状态重要特征的捕捉;其次,在交通状态异常判定方面,利用Seq2Seq自编码器对输入的原始序列数据进行重构,对比原始数据可得到结构重构误差,根据设定的阈值实现交通预警等级的判定和交通事故的实时检测;最后,以上海市延安高架的流量和速度数据为基础,分别确定不同时空状态下的事故判定阈值,并通过混淆矩阵评价方法论证所提出交通事故实时检测模型的可行性.     

创意产业类专业教学现状、问题及对策研究

中国创意产业专业教育与社会人才不完全一致,体现为教学目标不够明晰、相关课程设置不够完善,教学的组织和教学的手段以及教学的方法不能适应人才需要;专业评价内容和专业评价方式不够合理;师资队伍存在一定问题,而且招生方式也需改进。本研究针对现状提出了解决问题的方法。     

基于环境语义信息的同步定位与地图构建方法综述

同步定位与地图构建技术（SLAM）是当前机器人领域的重要研究热点，传统的SLAM技术虽然在实时性方面已经达到较高的水平，但在定位精度和鲁棒性等方面还存在较大缺陷，所构建的环境地图虽然一定程度上满足了机器人的定位需要，但不足以支撑机器人自主完成导航、避障等任务，交互性能不足。随着深度学习技术的发展，利用深度学习方法提取环境语义信息，并与SLAM技术结合，越来越受到学者的关注。本文综述了环境语义信息应用到同步定位与地图构建领域的最新研究进展，重点介绍和总结了语义信息与传统视觉SLAM在系统定位和地图构建方面结合的突出研究成果，并对传统视觉SLAM算法与语义SLAM算法做了深入的对比研究。最后，展望了语义SLAM研究的发展方向。