摘要：Hybrid modeling approaches have recently been investigated as an attractive alternative to model fermentation processes. Normally, these approaches require estimation data to train the empirical model part of a hybrid model. This may result in decreasing the generalization ability of the derived hybrid model. Therefore, a simultaneous hybrid modeling approach is presented in this paper. It transforms the training of the empirical model part into a dynamic system parameter identification problem, and thus allows training the empirical model part with only measured data. An adaptive escaping particle swarm optimization(AEPSO) algorithm with escaping and adaptive inertia weight adjustment strategies is constructed to solve the resulting parameter identification problem, and thereby accomplish the training of the empirical model part. The uniform design method is used to determine the empirical model structure. The proposed simultaneous hybrid modeling approach has been used in a lab-scale nosiheptide batch fermentation process. The results show that it is effective and leads to a more consistent model with better generalization ability when compared to existing ones. The performance of AEPSO is also demonstrated.

摘要：The type, model, quantity, and location of sensors installed on the intelligent vehicle test platform are different, resulting in different sensor information processing modules, The driving map used in intelligent vehicle test platform has no uniform standard, which leads to different granularity of driving map information, The sensor information processing module is directly associated with the driving map information and decision-making module, which leads to the interface of intelligent driving system software module has no uniform standard, Based on the software and hardware architecture of intelligent vehicle, the sensor information and driving map information are processed by using the formal language of driving cognition to form a driving situation graph cluster and output to a decision-making module, and the out- put result of the decision-making module is shown as a cognitive arrow cluster, so that the whole process of intelligent driving from perception to decision-making is completed, The formalization of driving cognition reduces the influence of sensor type, model, quantity, and location on the whole software architec- ture, which makes the software architecture portable on different intelligent driving hardware platforms.

摘要：本文提出了一种智能驾驶车辆周车行为预测方法。行驶车辆和环境变化的不确定性大导致周车行为预测困难。提出了基于编码器与双向长短时记忆网络(Bi LSTM)联合的预测方法,保证长序列下的可记忆性。根据不同信息的重要性程度,基于注意力机制构造双向长短时记忆网络,保证了编码器在长序列下的可记忆性。所设计的注意力机制双向长短时记忆网络模型保证了周车行为预测的准确性与高效性。

摘要：博物馆是特色历史文化的传播途径,作为可流动的文化载体,文化创意产品在文化传播中具有重要的价值。本文借鉴CMF设计理念,通过对博物馆文化创意产品设计实例的分析,总结出基于CMF的博物馆文化创意产品设计思路。希望将CMF设计理念融入博物馆文化创意产品设计中,能更好地体现产品的文化内涵,保持博物馆文化创意产品的独特性。

摘要：校园的山地生态适应性规划理念注重顺应环境、塑造环境、强调人工环境和自然环境的有机结合,其目的在于减少环境的破坏、资源的浪费,合理利用山地环境,提高校园文化品质的同时降低维护费用,期望构建一个生态和谐可持续发展型校园.重庆文化艺术职业学院巴南校区总体规划充分发掘了山地自然环境和艺术文化的潜力,秉承生态保护、文化传承的理念,通过"一轴、一环、五空间、六分区、八景点"的功能区规划,以及对总体规划、景观环境、路网构建、建筑设计等方面的生态适应性应用研究,在山地自然生态环境的保护与利用及校园文化的塑造方面进行了实践性探索.

摘要：自然界中复杂的生物外形与稳定的生态系统,为设计基础中形态的认知提供了重要素材。对自然形态构成原理的分析、理解与应用,是设计基础教学过程中不可缺少的部分。本文以自然界中的外在形态为研究对象,运用观察、模拟等方法,分析了自然形态的构成原理,得出了自然界中构成要素以最小的单位,组成多样化形态效果的自然法则。通过类比柏拉图多面体的形态分析方法,将多种自然形态归纳整理后,得出了自然形态的几何学结构原理。用理解自然法则的观点去深入地观察自然与造型的关系,进而依据自然的形态去进行创造,是设计基础教学中的一种认知方法。

摘要：基本公共服务的城乡融合是我国新时期城乡融合发展的主要内容,加快城乡基本公共服务均等化具有创新发展与共享发展的双重价值意涵。我国城乡基本公共服务供给存在较大差异,并已经成为城乡融合发展的巨大挑战。新技术变革通过催生新需求、新产品、新动力、消除城乡壁障、促进供给主体变革,深刻作用于城乡基本公共服务供给。城乡基本公共服务在适应新技术变革中不断发展,以供给需求精准化识别、供给主体多元化改革、供给资源最优化配置、供给流程数字化转型和供给规划科学化设计为重要发展方式。

摘要：针对煤矿应急救援辅助决策系统中应急预案应用不足、应用效率低及系统生成的救援方案可执行性欠佳等问题,提出了一种基于应急预案的煤矿应急救援辅助决策系统设计方法。该方法采用基于大语言模型的信息抽取技术,从应急预案中提炼出关键任务要素,如任务名称、触发条件、执行部门和任务内容等,形成元任务,并构建根据事故类型和级别对元任务进行分类存储的元任务库;发生煤矿安全事故时,运用基于SBERT模型的语义匹配技术,根据现场收集的信息进行事故分类分级,并从元任务库中筛选出与当前应急需求相符合的元任务集;为提高任务的可执行性,将元任务与实时采集的现场数据结合,通过指令模板构建具体的行动指令,并利用任务规划技术对指令的优先级进行优化和调整,生成切实可行的现场救援方案。基于应急预案的煤矿应急救援辅助决策系统充分利用了应急预案的规范化内容,形成了与现场信息紧密结合、资源优化的救援方案,进一步提高了救援决策的准确性、科学性和智能化水平。

摘要：为了降低拖拉机排放污染问题,很多拖拉机生产厂家已经开始研发新能源拖拉机,以期利用新能源替代燃油燃烧排放产生的污染物。在新能源拖拉机设计过程中,电器改造及电气系统故障诊断是设计的重要问题。为此,以一款新型拖拉机的电器系统为例,采用新能源混合动力技术对空调电器系统进行了改造,并建立了基于神经网络技术的空调电器故障诊断系统,最后对诊断系统的性能进行了实验验证。结果表明:采用神经网络仿真系统对新能源拖拉机空调系统进行故障诊断的准确性较高,对于拖拉机空调智能诊断系统的研究具有重要的意义。

摘要：交通流量预测是智能交通系统发挥其应有效能的重要内容之一。在分析目前短时交通流预测相关研究的基础上,结合交通系统交通流量复杂性和非线性等特征,提出了一种基于分形插值的三次指数平滑模型短时交通流量预测模型。然后根据实测交通流量数据,对构建的预测模型进行了仿真实验和验证。验证结果表明,文中所构建的预测模型与常用的支持向量机和GM(1,1)交通流量预测算法相比,预测精度得到了大幅提高,其拟合精度平均相对误差为2. 3495%,预测的平均相对误差达到2. 363%。