摘要：在信息化智能时代,构建正确的三观,培养爱国、爱社会,健康成长,全面发展的高校青年,思政育人刻不容缓。推拿专业课程精心筛选出渐冻症进行思政教学设计取得了满意的效果。课程研究从渐冻症思政元素案例精选、课程思政设计过程(课前思政预热、课中思政体验、课后思政反思、课外思政探索)、思政教学效果评价等方面进行详细阐述,为后续进一步研究打基础,也同时为同类研究提供参考。

摘要：采用叙事学的理论,对传统村落的景观叙事进行深入探讨和研究。以湘西墨戎苗寨为研究对象,通过实地考察和资料收集,寻找并提炼其村落中叙事性景观的构建手法,并且从词汇、句子和段落三方面对景观符号的叙事内容进行详细解读与分析,探索出其背后的故事,为传统村落的更新与发展提供助力。

摘要：提出一种适用于高速巡航的对转涵道风扇的双电机驱动架构,采用对转风扇-风扇-电机-电机(FFMM)的布局设计。在该驱动架构中,前后级驱动电机根据气动需求具有不同的功率和尺寸。FFMM布局的双电机驱动架构整体安装在涵道中心体内,有利于提高对转涵道风扇的气动性能,然而同一腔体内的双电机间存在热耦合和绕组间空腔的积温现象,难以判断风扇运行过程的电机温升情况和基于对转风扇气流的冷却效果。分析了所提FFMM布局的双电机驱动架构在不同工况下的电机损耗分布特性;探究了电机间热耦合对前后电机温升的影响,并对电机间积温空腔热网络模型进行优化;为平衡中心体内前后电机的温度分布,减少中心体结构轴向长度,采用环状导热片结构调节双电机间的热耦合程度,有效提高电机间积温空腔的散热性能并优化前后电机的温升分布。基于高速对转涵道风扇搭建实验平台并完成电磁与温升实验。实验结果与仿真结果一致,表明直接风冷条件下FFMM布局高速对转涵道风扇有着较强的散热能力,并且环状导热片对FFMM布局的中心体内部温度的分布有着更好的冷却效果。

摘要：电视理论节目已成为以理服人、以文浸心的美蕴载体,其正确处理理论宣讲、视听艺术与受众审美之间的关系,通过意象书写、主体擘画与数字图景的三重美学勾连,在纪实、叙事与技术样态层面传递出节目的多元审美内涵,从而在拓展理论节目以理论宣讲和价值阐释为独特审美内核的同时,也触及了观众不断升级的精神诉求与审美旨趣,掀起了大众学习党史、解读理论的价值传播新热潮。

摘要：教育强国建设离不开文化精神的引领和支持,教育家精神为教育强国建设注入了强大的精神力量。梳理教育家精神的生成逻辑,分析其内涵特征并探索其践行路径,既是当下建设高质量教师队伍的迫切需要,也是建设教育强国的内在要求。中国特有的教育家精神根植于中华优秀传统文化,在近代教育救国实践中得到进一步丰富,与中国共产党百年精神谱系的初心使命相契合,具有本土性、引领性、实践性、能动性。当前应进一步完善教师队伍建设相关制度,在制度设计中融入教育家精神;优化学校内部治理,在学校文化建设中浸润教育家精神;在教师教育项目中贯彻教育家精神,增强教师践行教育家精神的主体自觉。

摘要：边缘网络中不断出现的计算密集和延迟敏感型业务推动了任务迁移技术的快速发展。然而,任务迁移过程中存在应用场景复杂多变、问题建模难度高等技术瓶颈。尤其是考虑用户移动时,如何保证用户服务的稳定性和连续性,设计合理的任务迁移策略仍是一个值得深入探讨的问题。因此,提出了一种移动感知的服务预缓存模型和任务预迁移策略,将任务迁移问题转化为最优分簇与边缘服务预缓存的组合优化问题。首先,基于用户的移动轨迹对当前执行任务状态进行预测,引入动态协作簇和迁移预测半径的概念,提出了一种面向移动和负载两种任务场景的预迁移模型,解决了何时何地迁移的问题。然后,针对需要迁移的任务,基于最大容忍时延约束分析协作簇半径和簇内目标服务器数量的极限值,提出了以用户为中心的分布式多服务器间动态协作分簇算法(Distributed Dynamic Multi-server Cooperative Clustering Algorithm,DDMC)以及面向服务缓存的深度强化学习算法(Cache Based Double Deep Q Network,C-DDQN),解决了最优分簇和服务缓存问题。最后,利用服务缓存的因果关系,设计了一种低复杂度的交替最小化服务缓存位置更新算法,求解出了最佳迁移目标服务器集合,实现了任务迁移中的服务器协作及网络负载均衡。实验结果表明,提出的迁移选择算法具有良好的鲁棒性和系统性能,相比其他迁移算法所消耗的总成本降低了至少12.06%,所消耗的总时延降低了至少31.92%。

摘要：发动机喘振产生的瞬时高压引起的进气道内锤激波载荷是飞机进气道结构强度设计的关键因素之一。通过对飞行器进行内外流一体化非定常三维数值计算,分析双S弯进气道内锤激波三维流场非定常特性的演化过程,研究了不同马赫数,不同超压比对双S弯进气道锤激波载荷的影响。研究表明:锤激波经过进气道弯道时,弯道外侧流场压力远大于内侧;锤激波离开进气道入口后,进气道内流场经过数个周期逐渐恢复至初始状态;相同进气道反压时,来流马赫数越小,锤激波在进气道内部传播速度越快,且进气道内部压力系数峰值越大;相同来流马赫数下,随着超压比的增大,锤激波在进气道内部传播速度加快,进气道内部压力系数峰值增大。

摘要：端到端(D2D)通信利用边缘网络的本地计算和缓存能力,可以满足未来移动网络用户低延时、高能效的内容共享需求。而边缘网络内容共享效率性能的提升不仅取决于用户社交关系,同时也高度依赖终端设备的特征,如计算、存储和剩余能量资源等。因此,以最大化能量效率为目标,综合考虑设备异质性、用户社交性和兴趣差异性,提出一种用户-设备-内容多维度关联特征的D2D内容共享机制。首先,基于用户成本效益最大化将多目标约束问题转化为最优节点选择和功率控制问题,构建面向用户-设备-内容的多维度知识关联特征和图谱模型,将设备相关的计算资源、存储资源等多维特征结构化处理;其次,研究用户在设备属性和社交属性上的意愿度度量方法,提出一种基于用户社交和设备图谱的共享意愿度度量方法;最后,根据用户共享意愿度构建面向内容共享的D2D协作簇,面向能量效率设计一种基于共享意愿度的功率控制算法,以最大化网络共享性能。在真实用户设备数据集和infocom06数据集的实验结果表明,所提基于共享意愿度的功率控制算法与最近选择算法和不考虑设备意愿度的选择算法相比,系统和速率分别提升了约97.2%和11.1%,用户满意度分别提升了约72.7%和4.3%,能效分别提升了约57.8%和9.7%,验证了所提算法在传输速率、能量效率和用户满意度等方面的有效性。

摘要：随着车联网(IoV)的快速发展,智能网联汽车产生了大量延迟敏感型和计算密集型任务,有限的车辆计算资源以及传统的云服务模式无法满足车载用户的需求,移动边缘计算(MEC)为解决海量数据的任务卸载提供了一种有效范式。但在考虑多任务、多用户场景时,由于车辆位置、任务种类以及车辆密度的实时性和动态变化,IoV中任务卸载场景复杂度较高,卸载过程中容易出现边缘资源分配不均衡、通信成本开销过大、算法收敛慢等问题。为解决以上问题,重点研究了IoV中多任务、多用户移动场景中的多边缘服务器协同任务卸载策略。首先,提出一种多边缘协同处理的三层异构网络模型,针对IoV中不断变化的环境,引入动态协作簇,将卸载问题转化为时延和能耗的联合优化问题;其次,将问题分为卸载决策和资源分配两个子问题,其中资源分配问题又拆分为面向边缘服务器和传输带宽的资源分配,并基于凸优化理论求解。为了寻求最优卸载决策集,提出一种能在协作簇中处理连续问题的多边缘协作深度确定性策略梯度(MC-DDPG)算法,并在此基础上设计了一种异步多边缘协作深度确定性策略梯度(AMCDDPG)算法,通过将协作簇中的训练参数异步上传至云端进行全局更新,再将更新结果返回每个协作簇中提高收敛速度。仿真结果显示,AMC-DDPG算法较DDPG算法至少提高了30%的收敛速度,且在奖励和总成本等方面也取得了较好的效果。

摘要：以最小化卸载成本为目标,提出一种结合轨迹预测的任务卸载策略,将任务卸载转化为服务器节点选择问题。构建一种基于时间序列的车辆移动轨迹预测模型,将其表述为一个非线性回归任务;依据车辆位置信息与通信范围,提出一种基于最短通信距离的动态协作簇建立方法,利用服务器计算能力和传输成本均衡边缘网络负载,减少车辆移动形成的系统开销;利用马尔可夫决策过程,结合移动轨迹预测和动态边缘服务器簇设计任务卸载策略,解决多边缘服务器覆盖场景下的服务器选择问题。试验结果表明,所提算法与其他算法相比,任务卸载成本在简单与复杂移动轨迹下至少降低了80%和57.8%,有效减少多边缘服务器协作时的轨迹预测误差和成本开销。