摘要：研究一种低碳发展理念下的民用建筑主动式太阳能供热系统,该系统首先利用集热器采集太阳辐射,并转换为热能,然后通过循环泵将热水不断循环到供热水箱中,最后通过供热水箱向用户提供暖气和生活热水。本系统设计分为三部分框架设计、硬件设计和系统软件程序设计。结果表明节能量为2554.25 MJ、二氧化碳减排量为658.47 kg,这一结果与被动式民用建筑太阳能供热系统应用效果相比表现更好,由此可知本系统性能更高,与低碳发展理念更相符。

摘要：根据真值流推理神经网络的作用 ,通过对压铸模溢流系统溢流口截面积SV 与浇注系统内浇口截面积SG 的比值SV/SG 的模糊推理 ,进行了溢流系统设计知识的模拟。

摘要：采用基于深度学习的端到端一体化设计方法,提出了一种基于扩展上下文语义特征的通信系统。区别于已有研究中只关注局部上下文而忽视全局上下文的问题,所提系统有机地融合了局部和全局上下文知识,利用扩展上下文知识进行语义编码和语义译码,提升了语义通信系统的可靠性。在发送端,采用基于扩展上下文的语义编码,实现高效的语义表征。在接收端,结合历史通信文本挖掘机制、上下文语义特征学习机制和基于启发式图搜索的译码策略,提升语义推理的准确性。与现有语义通信系统仿真对比结果表明,相较于传统通信系统和现有语义通信系统,所提系统在低信噪比下显著提升了通信系统的可靠性。

摘要：传统的浅层故障诊断方法需要根据先验知识人为选取故障特征和设计分类器,基于深度学习理论的深度卷积神经网络(deep convolutional neural network,DCNN)能够完成对故障特征的自适应提取与健康状况的智能诊断,但是作为一种大数据处理工具,DCNN无法适应于小样本数据的故障诊断。在Fisher准则深度卷积神经网络识别算法(fisher-based deep convolutional neural network,FDCNN)的基础上提出了一种自适应Fisher准则的深度卷积神经网络(adaptive fisher-based deep convolutional neural network,AFDCNN)方法。在DCNN的基础上引入类内和类间约束的能量函数模型并采用优化算法得到最优能量函数模型参数,能够直接从原始时域信号中自动提取故障特征,实现智能诊断。对齿轮故障实验信号的分析结果表明,所提出的方法可以有效地实现小样本下的齿轮故障智能定量诊断。

摘要：受限于传统磁盘的I/O读写速度与网络的性能的影响,地图浏览的效率和可用性难以得到保障。根据林地落界数据的管理与应用特点结合Web端二三维一体化应用需求,从专题地图瓦片生产、组织、管理、服务等几个方面出发,设计实现一种基于面向服务的体系结构(service-oriented architecture,SOA)的多层次缓存瓦片地图数据服务方案。结果表明:通过瓦片缓存服务的层次化和横向负载均衡,在分散了磁盘IO压力的同时亦提高了服务的可用性;所构建的方案与原型系统有效地解决了林地"一张图"地图服务需求,为构建高性能的国家级林地"一张图"政务地图服务提供了有力的技术支撑。

摘要：提出了一种新型的搅拌釜用无泄漏隔膜密封结构设计。设计中采用了一种独特的传动机构 ,使密封隔膜经历最小变形以延长其使用寿命 ,并对所设计的密封结构进行了试验验证。试验结果表明 :该结构的密封能保证介质的零泄漏 ;隔膜工作可靠 ;传动机械效率大致与传统的机械密封相当。

摘要：针对智能车人机共融驾驶系统中人和自主驾驶系统的驾驶权连续动态分配问题,尤其是因建模误差导致的权重分配方法适应性低的难题,提出了基于强化学习的人机共融转向驾驶决策方法;考虑驾驶人的转向特性,搭建了基于双点预瞄的驾驶人模型,并采用预测控制理论建立了智能车自主转向控制模型,构建了智能车人机同时在环的转向控制框架;基于Actor-Critic强化学习架构,设计了用于人机驾驶权分配的深度确定性策略梯度(DDPG)智能体,以曲率契合度、跟踪精确性和乘坐舒适性为目标,提出了基于模型的收益函数;构建了人机共融驾驶权分配强化学习框架,包含驾驶人模型、自主转向模型、驾驶权分配智能体以及收益函数;为了验证方法的有效性,招募了8位驾驶人开展共计48人次的模拟驾驶试验。研究结果表明:在曲率适应性验证中,人机共融-DDPG方法优于人工驾驶和人机共融-Fuzzy方法,跟踪性平均提升70.69%、39.67%,舒适性平均提升18.34%、7.55%;在速度适应性验证中,车速为40、60和80 km·h条件下,驾驶人权重大于0.5的时间占比分别为90.00%、85.76%、60.74%,且跟踪性相轨迹和舒适性相轨迹都能有效收敛。可见,提出的方法能够适应曲率和车速变化,在保证安全性的前提下提升了跟踪性和舒适性。

摘要：针对输电线路机巡影像缺陷识别中低漏报率的需求,提出了一种基于组合式深度目标检测框架的输电线路低漏报率缺陷识别方法。该方法首先利用典型目标检测算法在输电线路巡检图像数据集上进行训练,得到输电线路设备缺陷的特征提取网络;随后引入位置随机分布函数改进目标预测的方式,并利用自适应非极大值抑制判别器,对2个网络的特征提取结果进行自适应融合,最终得到巡检图片中缺陷的类型和位置。测试结果表明,该方法能够有效降低巡检图像缺陷识别的漏报率,采用该方法得到的主要缺陷的平均漏报率远低于其他深度学习模型,可同时实现多类缺陷的检测,能有效促进输电线路常规巡检中缺陷自动识别的应用和推广。

摘要：针对未来网络转发信息库(FIB)中多模态数据带来的差异化快速索引、高效存储转发信息和多模态数据最长前缀匹配等问题,设计了一种支持多模态数据索引的混合型FIB,称为Hybrid-FIB.通过对不同类型的数据进行差异化处理,得到可供神经网络模型学习的输入向量,进而训练出能够实现均匀分布的神经网络混合索引模型.为了实现多模态数据最长前缀匹配,在片上静态随机存取存储器中部署两组Hybrid-FIB结构.实验结果表明,该混合型FIB在误判率、存储消耗及吞吐量等方面具备优异性能.

摘要：该文就建筑学教学的主干课——建筑设计进行研究,提出以课堂教学为核心,在教学时间、空间、目标、范畴、手段、成果等方面进行全面扩展的扩展式教学模式。使建筑设计教学从课堂上扩展到实践中,从建筑设计领域扩展到建筑科学领域,形成综合、整体、开放式的教育教学体系,提高学生对建筑科学的全面认识,增强学生的综合能力,培养多元化人才,以适应时代的要求。