课程文献中心 更多>>

关键词： 高速列车   RBF神经网络   多质点模型   速度跟踪   自适应滑模控制  

摘要： 针对考虑未知模型参数，不确定附加阻力，未知车间力和外界干扰等影响的高速列车，对其速度跟踪控制策略进行了研究。首先，考虑高速列车的非线性阻力和相邻车厢间的车间耦合作用力影响，建立高速列车多质点动力学模型；其次，设计一种基于新型饱和函数的高速列车有限时间速度跟踪控制策略，引入非奇异快速终端滑模控制方法实现高速列车系统状态的有限时间收敛，改善高速列车速度跟踪的稳态精度和暂态性能；进一步，设计了基于RBF神经网络的自适应非奇异终端滑模跟踪控制策略，利用自适应技术实现对列车模型参数以及附加阻力、车间力等不确定性项上限的在线估计，并针对不连续切换控制项所造成抖振现象问题，利用RBF神经网络较强的非线性拟合能力，引入RBF神经网络重映射非奇异快速终端滑模控制策略的切换控制项，并设计权重系数的自适应更新律，实现切换连续，有效消除抖振现象所带来的影响，提高列车运行的平稳性。然后，基于Lyapunov稳定性理论证明高速列车速度跟踪控制系统的稳定性，以及系统状态的有限时间收敛性。最后，以CRH380B型动车组作为控制对象进行仿真验证。仿真结果表明：高速列车在有限时间内收敛并跟踪理想轨线，跟踪精度高，暂态过程响应速度快，列车运行更加平稳。

关键词： 小青龙颗粒   支气管哮喘   质量标志物   层次分析-熵权法   网络药理学   量化辨识   高效液相色谱法(HPLC)  

摘要： 目的：基于层次分析（AHP）-熵权法（EWM），结合网络药理学、高效液相色谱法（HPLC）含量测定研究小青龙颗粒的质量标志物。方法：通过数据库检索、文献梳理结合网络药理学初步构建小青龙颗粒治疗支气管哮喘的有效性、可测性和特有性成分数据，随后用AHP-EWM对控制层和要素层进行量化辨识和权重计算，依据综合评分筛选出相关化合物作为候选质量标志物。进一步采用对照品比对并建立HPLC含量测定方法，确定小青龙颗粒的潜在质量标志物，并与疾病靶点通过分子对接进行验证。结果：AHP-EWM筛选出甘草酸、芍药苷、五味子醇甲、异甘草素、6-姜酚、麻黄碱、甘草苷、芍药内酯苷、甘草素、6-姜烯酚、伪麻黄碱、肉桂酸、肉桂醛13个成分为小青龙颗粒的潜在质量标志物。含量测定结果显示，13批小青龙颗粒中均可以检测到筛选的13个成分，表明其作为质量标志物具有稳定的可测性。分子对接结果显示，13个化合物与核心靶点结合能均<-2.11 kcal·mol-1，表明13个化合物可以与疾病靶点自发结合，可能为小青龙颗粒治疗支气管哮喘的物质基础。结论：该研究采用AHP-EWM结合网络药理及HPLC确定出13个化合物作为小青龙颗粒治疗支气管哮喘的质量标志物，为小青龙颗粒质量标准的提升奠定依据和提供新的研究思路。

关键词： 径流预报   概率预报   长预见期   深度学习  

摘要： 可靠高精度的径流长预见期概率预报可为水库调度和决策提供信息。本文围绕如何仅采用历史降雨、蒸发和径流数据完成长预见期预报、提高径流预报精度、量化预报不确定性等开展研究。采用最大平移相关系数法分析上游站点流量演进到下游站点的传播时间；然后将上游、下游、支流历史流量以及区间历史降雨与蒸发变量构建为三维张量形式；提出基于卷积单控记忆神经网络（ConvSCM）的确定性预报模型，并结合变分贝叶斯推理框架构建径流概率预报模型BConvSCM。将本文提出的模型应用于长江流域中下游径流预报，结果表明：（1）在缺少降雨预报数据时，概念水文预报模型仅能完成1个时段预见期的预报，而BConvSCM模型可完成径流的长预见期预报；（2）BConvSCM模型的均值预报结果确定性系数比传统概念水文模型平均提高约2.86%，比现有深度学习模型平均提高0.68%，且获取了合适的径流预报概率密度函数。该研究成果可为径流长预见期概率预报提供参考。

关键词： 知识图谱   注意力机制   推荐系统   图注意神经网络  

摘要： 针对当前推荐系统对邻阶信息利用不高的问题，将知识图谱应用到推荐系统，增加注意嵌入传播层，学习知识图谱中与实体相邻的节点信息，通过挖掘实体之间的相关属性，能够有效的学习实体间的关系，大幅度提高信息的利用效率以及推荐系统的性能。为验证该方法的有效性和正确性，在两个知识图谱数据集上进行实验，并与相关基线模型进行对比。实验结果表明，本方法能够有效利用邻阶信息，提高推荐系统正确率。

关键词： 人机交互   可穿戴设备   面部表情识别   元学习  

摘要： 目前，绝大多数智能眼镜都是基于触控板技术或语音控制实现人机交互，这些方法在驾驶环境或图书馆等场合存在限制.本文基于柔性压敏传感器设计了一个用户友好的免提式面部动作识别系统.该系统在眼镜脚的内侧集成一对柔性的压敏传感器，通过与面部皮肤贴合捕捉由面部动作引起的压敏信号.本文结合动态规划算法设计了一种连续信号分割算法来提取完整的面部动作信号.为了解决可穿戴设备领域普遍存在的弱样本问题，本文引入元学习机制并优化训练采样流程以提高模型的泛化性.结合真实数据集训练评估，系统识别准确率达到90%.面对用户个性化和处理弱样本的需求时，本文系统的性能表现出较高水平.

关键词： 帮助信息网络犯罪活动罪   明知   口袋化   同类解释  

摘要： 帮助信息网络犯罪活动罪从一个寂寂无名的小罪一跃成为排名第三的大罪,其不断扩张折射出该罪的口袋化趋势,主要表现为两大特征:表层特征是帮助信息网络犯罪活动罪的整体案件数量激增;深层特征是司法机关对该罪主观明知的认定标准虚化,客观行为的认定标准泛化。究其原因,主要受从严治理网络犯罪的刑事政策,模糊适用推定规则来界定主观明知的范围,不当扩大该罪的客观行为类型这三方面原因影响。对此,应当摒弃单一的从严治网的司法政策,贯彻宽严相济的刑事政策;对明知应理解为知道,包括明确知道和不确切地知道,并以主客观相统一规则加以认定;从实质角度准确厘清中立的业务帮助行为与该罪之间的界限,运用同类解释规则合理界定“等帮助行为”的内涵,以此来限定该罪客观行为类型的范围。

关键词： 中尼FTA   负面清单   金融开放   金融体制改革  

摘要： 在中国—尼加拉瓜自由贸易协定（简称“中尼FTA”）中，中国首次在所有行业均采用了投资负面清单管理模式。金融业在中尼FTA负面清单中作为一个单独附件被列出，这对于中国深化金融体制改革、扩大金融开放具有里程碑意义。在上述背景下，本文详细梳理了中尼FTA金融业负面清单的内容，对签约双方负面清单的限制强度在细分行业层面上进行了全面比对。在此基础上，结合金融业投资限制措施的特点，优化了已有文献的负面清单量化方法，并以美国负面清单模式FTA伙伴国为样本，对金融业负面清单文本进行了量化处理。通过比较样本国家金融业负面清单的累积限制强度、限制偏度和相似度等指标，本文深入分析了中国金融业负面清单的特点、存在问题及其深层原因，并提出了在构建高标准FTA网络背景下，中国优化金融业负面清单及进一步扩大金融开放的思路与对策。

关键词： 水系格局   连通性   连通性指标   等高截水   东海县  

摘要： 等高截水工程由一系列沿等高线开挖的平底河道组成，具有横向截水、排水、调水等综合功能，在江苏沿海河网区水安全保障中发挥了重要作用。为定量揭示等高截水工程实施对河网区水系格局及功能的影响机理，本文基于水系形态结构分析法、景观生态学理论、图论及复杂网络方法，建立考虑区域和节点两层面的水系结构及连通性综合分析方法，并在东海县龙梁河－石安河水网区进行应用。结果表明，在水系结构方面，河流的发育数量和发育长度分别提升了75.95%和78.05%；在区域连通性层面，等高截水工程通过横向连接孤立河网，使得区域水网的水系环度、节点连接率和水文连通度指数分别提高了44.34%、16.96%和15.22%，水系整体连通性显著增加；在节点连通性层面，由于等高截水工程具有双向连接节点的能力，节点连通程度显著提升，节点传播能力和节点重要程度的空间分布得到优化。

关键词： 混合-组合梁   斜拉桥   主梁   应力可行域  

摘要： 为计算大跨度混合-组合梁斜拉桥主梁的恒载应力可行域，将主梁分为混凝土梁（包括边跨混凝土主梁与中跨混凝土桥面板）和钢主梁两部分，结合桥梁规范对主梁两种不同材料拉、压应力限值的要求，考虑可变作用频遇、标准与基本组合，推导了大跨度混合-组合梁斜拉桥混凝土梁恒载应力标准值、钢主梁恒载应力设计值的可行域的具体计算公式，并以京港澳高速汉江特大桥主桥为例进行了计算。计算结果表明，采用标准值和设计值分别表征混凝土梁与钢主梁的恒载应力可行域与现行规范适应性较好且方便计算，该计算公式完全适用于混合-组合梁斜拉桥，计算所得的恒载应力可行域可为大跨度混合-组合梁斜拉桥合理成桥状态的确定及主梁纵向预应力筋的设计提供依据和指导。

关键词： 变压器   局放定位   数字孪生   时间反演   卷积神经网络  

摘要： 基于超高频信号或超声波信号的时间反演法近年来在变压器局放定位中获得了研究关注。针对超声波反演信号反向传播仿真计算和聚焦点确定耗时长、不适合在线应用的问题，在时间反演时空聚焦定位理论基础上提出了基于变压器数字孪生体以及卷积神经网络(CNN)学习建模的变压器局放定位方法。采用多物理场仿真软件建立了变压器声波传播仿真模型，在变压器孪生体多个位置引入局放声波激励并进行正向传播仿真计算，并对传感信号进行预处理获得大量样本用于学习建模。针对单传感器和三传感器方案分别研究了局放定位CNN框架，测试结果表明，增加传感器数量可增强聚焦信号质量，提升局放定位性能，使三传感器局放定位的单方向均方根误差仅为18 mm。通过与支持向量回归、XGBoost、BP神经网络的横向对比表明，CNN的深度学习机制对声波特征的提取能力更强，适合用于变压器局放定位。