摘要：Although graphite anodes operated with representative de/intercalation patterns at low potentials are considered highly desirable for K-ion batteries,the severe capacity fading caused by consecutive reduction reactions on the aggressively reactive surface is inevitable given the scarcity of effective protecting ***,by introducing a flame-retardant localized high-concentration electrolyte with retentive solvation configuration and relatively weakened anion-coordination and non-solvating fluorinated ether,the rational solid electrolyte interphase characterized by well-balanced inorganic/organic components is tailored in *** effectively prevented solvents from excessively decomposing and simultaneously improved the resistance against K-ion ***,the graphite anode retained a prolonged cycling capability of up to 1400 cycles(245 mA h g,remaining above 12 mon)with an excellent capacity retention of as high as 92.4%.This is superior to those of conventional and high-concentration ***,the optimized electrolyte with moderate salt concentration is perfectly compatible with graphite,providing a potential application prospect for K-storage evolution.

摘要：针对一类非高斯噪声环境下固定点平滑估计问题,设计一种使用最大相关熵准则作为最优估计标准的平滑估计算法,称之为固定点最大相关熵平滑估计(fixed-point maximum correntropy smoother,FP-MCS).首先基于矩阵变换给出最大相关熵Kalman滤波的新表达形式;然后以此为基础,引入新的状态来扩展系统,并推导出固定点最大相关熵平滑估计的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法的性能改进,同时比较其计算复杂度;最后通过算例验证所设计的算法在非高斯混合噪声干扰下的有效性和优越性.

摘要：针对开关磁阻电机(switched reluctance motor,SRM)传统滑模控制方法响应速度慢、抖振大且鲁棒性差的问题,该文提出一种基于双滑模控制器的开关磁阻电机调速策略。首先,设计全局积分滑模速度控制器(global integral sliding model speed controller,GISMSC),消除系统到达滑模面的过程,提高响应速度和鲁棒性,并通过改进趋近律来减小滑模抖振;其次,设计扰动滑模观测器(disturbance sliding mode observer,DSMO),对负载和未知扰动进行观测,并前馈补偿至全局积分滑模速度控制器中,进而复合构成双滑模速度控制器,并将其作为速度外环与模型预测控制(model predictive control,MPC)相结合,减小转矩脉动的同时提升其调速性能;最后,仿真和实验考虑到转速和负载突变以及电机参数失配等情况,结果表明,所提方法不仅提高了系统调速性能,减小了转矩脉动,而且克服了电机内部参数变化和外部扰动的影响,使系统具备更强鲁棒性。

摘要：目前,国内外大语言模型如雨后春笋般涌现,加速了通用人工智能时代的到来。人工智能在科学、艺术等领域展现出的卓越创造力,大大推动了人类科技进步,但也给人类传统创造力带来了巨大挑战,需要对人工智能创造力的本质特征进行审视,并预测其未来应用方向。基于此,文章聚焦于人工智能创造力,首先阐释了人工智能创造力的基本内涵;接着,文章从通用领域创造力表现和专业领域创造力表现两个维度,介绍了人工智能创造力的外在表现;然后,文章从产生机制和调控机制两个方面,深入剖析了人工智能创造力的内在机制,并结合人类创造力评价经验提出了人工智能创造力的评价原则和评价方法;最后,文章分析了人工智能创造力未来的应用模式、应用前景并给出应用建议。文章的研究既可促进人工智能创造力的发展和人工智能技术的进步,也能为人类创造力的培养和提升提供一定的借鉴。

摘要：该文主要对飞机航电系统试验流程、用例设计、过程管理等方面存在的问题进行分析,设计一种包含分解试验需求、结构化原子功能、梳理测试场景、梳理检查点、设计测试用例、编制测试用例和形成测试用例追溯表等过程的航电系统试验流程,形成一套完整的航电系统试验设计与管理方法,降低试验设计与执行的复杂度,提升测试用例的编制质量以及试验的质量。

摘要：信息技术的发展,加剧了信息终端的多样性和复杂性,使得单个终端的安全保障变得更加脆弱,能抵御"单点故障"的门限密码需求就变得更加重要.本文从门限密码的基础元素和框架入手,首先介绍门限密码的方案组成和安全定义、门限密码设计中常用的多方联合秘密生成技术和门限联合计算方法以及门限密码方案的评价指标.然后总结了门限密码学领域不同算法的门限方案研究进展,旨在介绍门限密码学在各类算法中安全性、效率等方面的研究重点和进展及在实践中的应用,并让读者了解门限密码学研究的最新动态.众多门限密码方案的实现以秘密分享为基础,目前多采用简单加法或者多项式加法类型的秘密分享,这种方式在门限密码实现时面临的重要问题是秘密的乘积和求逆的安全联合计算,现有方案主要采用同态加密等较重的技术来解决这个问题,使得方案的效率较低.最后介绍了美国国家标准技术研究院(NIST)和互联网工程任务组(IETF)等机构的门限密码标准化工作.尽管门限密码各类算法层出不穷,标准化工作推进较快,但产业跟进却相对迟缓.相较之下,较为简单的(2,2)门限签名方案,即协同签名方案,在产业界得到了较为成熟的应用,为软件密码产品提供了可靠的安全保障.

摘要：针对传统抽水蓄能电站技术供水系统存在的智能化水平偏低,供水对象的温度与许多参数变量之间相互耦合的问题,建立了基于工况参数和改进长短期记忆(LSTM)神经网络的发电机空气冷却器热风温度预测模型.首先对原始数据进行清洗,其次采用随机森林(RF)特征降维,对参与目标预测的诸多高维测点变量进行重要度排序,验证所提的工况参数与预测对象温度的相关性,最后再将其输入PSO-LSTM神经网络进行模型的求解.将所提的基于工况参数和改进LSTM方法与最小二乘法、BP神经网络以及原始的LSTM方法进行对比.结果表明,所提模型能有效预测发电机空气冷却器热风温度,相较其他的模型,预测误差能够下降50%左右,同时拥有更优的预测稳定性.

摘要：汽车配件生产需要工人一个个目测汽车紧固卡扣是否缺装,但这种人工目测识别效率非常低。针对这个问题,文章在YOLOv3-tiny网络中融合了空间和通道注意力机制,并用K-Means聚类找出最佳的Anchor Box。与YOLOv3相比,该算法检测准确率有显著提升,速度提高了3倍。最后用Lucas-Kanade光流法和延迟精准机制,实现了对汽车紧固卡扣的跟踪和识别。在几个视频序列实验中,文中算法的MOTA(Multiple-Object Tracking Accuracy)较其他算法提高了约(3.7~7.5)%。在200次实验中,汽车塑料组合件和紧固卡扣识别正确率达到了100%。

摘要：天体识别是天文新发现和深入研究天体的基础。在LAMOST DR8 v1.0发布的低分辨率光谱数据中有约53万条因没有类别标签而被命名为“Unknown”的光谱,其中有88.56%的光谱信噪比在0~10之间,对这批光谱的研究分析将增加LAMOST的有效数据产出。该研究为“Unknown”光谱的分类设计了一种ODS-YOLOv7模型。它是一种端到端的类别预测模型,通过添加一维卷积注意力模块以提高光谱识别能力。在经过一批信噪比在0~10之间的已知类别光谱训练后,ODS-YOLOv7可以学习到低信噪比光谱的有效特征,进而实现对“Unknown”光谱的类别预测。实验表明,该模型在已知类别标记的低信噪比恒星、星系、类星体的光谱识别中,F1-score分别为0.98、0.95、0.95;同时在与传统算法KNN、RF、DT、SVM和深度学习算法1D CNN、1DSSCNN、ResNet、DenseNet、VIT对比实验中取得相对最好的效果。实验结果还给出了ODS-YOLOv7模型对DR8 v1.0中信噪比在0~10的“Unknown”光谱预测置信度分布,在预测类别为恒星、星系、类星体任务中,有92%的分类置信度在60%以上。为保证模型输出质量,本文只选取分类置信度大于99%的光谱类别作为输出结果。以此为依据,在DR8 v1.0和DR9 v0发布的全部“Unknown”光谱中分别有37.19%和47.03%被ODS-YOLOv7模型预测出类别。此外,还增加人工认证以检验该模型预测的正确性。为提升模型的可解释性,参照了二维图像特征可视化的Grad-CAM方法,将其改进为适合于可视化一维光谱数据特征的算法。其结果表明该模型可自动关注到不同的分类特征,使得该模型非常适用于低信噪比“Unknown”光谱的类别预测。

摘要：针对重构类多维时序异常检测方法对信息物理系统组件间的耦合关系提取能力不足以及建模时易遗漏信息的问题,提出一种融合显隐式关联的图卷积多维时序异常检测方法。利用改进的余弦相似度,提取序列间可用距离度量的显式关联关系。设计基于多头自注意力机制的关联关系提取模块,学习序列间的隐式关联关系。整合显隐式关系,将关系融合图和原始数据共同输入到基于图卷积网络的自编码器中,进行结合时间和空间依赖性的多维时序重构。根据训练好的模型输出的待测数据重构结果计算异常的分数,进而结合自适应阈值来选择算法进行异常检测。4个公开数据集上的实验结果表明,所提方法比相关经典和时效性方法在F1-Score上具有明显的提升,且可以通过输出关联权重矩阵的方式对异常事件进行解释分析。