摘要：为解决边缘计算终端微服务的数据读写冲突问题,文中提出了一种新型电力系统背景下配电物联网台区边缘计算终端微服务的文件锁数据同步机制。首先,设计了边缘计算终端微服务的文件锁数据交互机制,支撑微服务数据的有序存取。接着,提出了同步分区机制对微服务进行区域划分,消除跨分区微服务的数据读写冲突隐患。然后,提出了分区内同步机制和分区间同步机制解决相同分区内和相邻分区间微服务的数据读写冲突。最后,仿真分析了微服务时序逻辑结构对文件锁数据同步机制耗时的影响,对比了文件锁数据同步机制采用前后、考虑不同微服务分解度以及采用不同数据同步机制时的结果,验证了所提方法的有效性。

摘要：随着量子保密通信网络及产业化发展,轻小型化接收望远镜满足量子跟踪仪规模化和便携式的多应用场景需求。对满足接收望远镜的技术体制进行了对比分析,确定了RC+小像元+量子模块的光学系统形式,采用小F数+微小像元的技术体制。设计了全铝一体化结构的φ280量子跟踪仪接收望远镜,F5的RC望远镜采用RSA-6061微晶铝合金作为反射镜的结构材料,配合一体化硬铝合金高刚性结构,静力学(重力变形和温度变形)仿真分析结果满足近衍射极限成像和高效率量子接收要求,动力学仿真分析结果表明,一阶模态为91 Hz,具有足够高的动态刚度和安全冗余。集成测试结果表明:望远镜的中心视场波像差RMS为λ/14.7,5个视场系统波像差均优于λ/12.7,可以确保近衍射极限高质量信标成像,奈奎斯特频率处的光学传递函数为0.15;HV+-四个偏振态的平均偏振对比度为454,全系统效率为51.93%,可以高质量接收量子密钥;-25℃和+30℃外场恒星成像实验验证了系统可以稳定、高质量提取质心用于脱靶量闭环;与“墨子号”星地量子密钥分发实验成码为92.9 kb,误码率为1.18%,能够实现高效率量子接收。

摘要：丁香酚是一种绿色生物农药,主要用于防治番茄灰霉病、葡萄霜霉病和马铃薯晚疫病等主要的农业病害.目前丁香酚是从丁香和罗勒等植物中提取制备,其规模和产能受到限制,还存在废渣排放影响生态环境的问题.本研究采用合成生物学和模块化工程策略,设计构建工程大肠杆菌,以期微生物从头合成丁香酚.将丁香酚异源合成途径分成3个模块,分别是上游的阿魏酸合成模块、中游的松柏醇合成模块和下游的丁香酚合成模块,对每个模块进行不同来源基因的组合筛选和表达优化.利用His标签、敲除甲基供体合成途径中的全局调控基因metJ,优化了上游模块(PcTAL-HpaBC-AtCOMT),减少了中间产物咖啡酸的积累,提高了阿魏酸合成.筛选了4CL和醇脱氢酶基因来源,研究了表达模式,获得最优的中游模块是双顺反子表达At4CL1-AtCCR1,单顺反子表达YahK,松柏醇产量最高.对3个酰基转移酶基因和4个丁香酚合成酶基因进行组合筛选,获得最优的下游模块是单顺反子PhCFAT和GdlEGS2,丁香酚合成最多.最后,在酪氨酸高产底盘中表达丁香酚合成途径,对初始葡萄糖、酵母提取物和诱导剂浓度等进行优化.在适宜的培养基和发酵条件下,丁香酚的产量为114.67mg/L.本文采用模块化代谢工程策略优化丁香酚异源合成途径,改造底盘菌株,首次实现了微生物从头合成丁香酚,具有重要应用前景.

摘要：基于工业互联网应具备的特征,结合现有工业互联网总体现状,分析总结传统工业自动化封闭式五层架构存在的问题.首先,提出支持数据高效流转的云、边端新型工业网络协同架构,架构的变革对现有技术提出挑战,同时也为传统自动化系统提供了新的机遇.其次,在总体架构的基础上,提出适配新型工业网络基础架构的两项关键技术.5G–时间敏感网络(Time-sensitive networking,TSN)协同传输技术,包括5G–TSN异构网络融合架构、网络时钟适配机制以及基于软件定义网络(Software defined network,SDN)的融合管控和资源调度三部分技术内容;基于确定性网络的云化可编程逻辑控制器(Programmable logic controller,PLC)技术包括工业控制虚拟化和5G云化工业控制技术两部分技术内容.基于此,提出自主设计面向实时运动控制的5G云化PLC与EtherCAT融合系统,以及面向实时运动控制的EtherCAT与TSN融合系统试验平台,并验证了新型工业网络架构的科学性和合理性.最后,对未来网络、控制、计算一体化工业自动化系统中的高效性、可靠性和安全性之间的融合问题及潜在解决方案进行了探讨.

摘要：针对实际装配环境中存在多人协同装配和共站的情况,研究了考虑工序复杂程度与工人能力差异的多人协作共站装配线平衡问题。首先,考虑到装配工序的复杂程度需指派不同规模和类型的工人组,建立了以最小化工作站数量和工人数量为目标函数的多目标优化数学模型;在此基础上,提出一种改进的离散水波优化算法,对算子进行了离散化改造,并设计了基于拓扑排序的编码方案和启发式的解码方案,同时引入扰动个体和路径重连的搜索策略来增加解的多样性,进而提高解的质量;最后,通过求解两类测试用例,以线效率和平滑指数作为性能指标,验证了改进离散水波算法在求解复杂多人共站装配线平衡问题上的可行性与有效性,并将算法应用到动车装配线平衡优化中。

摘要：整数变换方法因其较快的计算速度被国际图像和视频编码标准广泛采纳。现有基于连续正交函数系的整数变换方法不仅难以获得原始变换的准确整数形式,而且无法克服在非连续信号表达时出现的吉布斯震荡现象,降低了重构图像质量。为此,文中提出了基于非连续正交U系统的整数变换算法及其图像压缩方法。首先,采用分段积分法和施密特正交化法计算出U系统的2维正交变换矩阵,提取行向量的缩放因子得到整数矩阵;接着,建立整数U矩阵的可逆正交变换方法,使用整数矩阵将离散图像信息的能量集中到少量数据集,同时将缩放因子与量化步骤合并以减轻计算负担;然后,采用矩阵分解法将整数U矩阵分解为稀疏矩阵的乘积,从而实现图像变换的快速计算;最后,设计基于整数U变换模块和逆变换模块的图像压缩方法,用于减轻图像存储和传输压力。实验结果表明:文中方法与其他相关方法相比,可以降低图像可逆变换的截断误差;在图像和视频压缩实验中,在相同的压缩率下文中方法获得的压缩图像质量更高,而且快速变换方法可以有效地节省运算时间。

摘要：锂离子电池(lithium ion batteries,LIBs)具有高比容量和良好的循环稳定性等优点,广泛应用于动力电池和储能领域.然而正极材料理论比容量不高,传统的制备过程会带来电极电化学性能不均匀等问题,制约了LIBs的进一步发展.电极多孔结构优化设计是突破此瓶颈的一种有效方法.本文将以磷酸铁锂(LiFePO4,LFP)为正极电极,锂金属为负极的LIBs作为研究对象,建立了基于粒子Packing的活性材料球形颗粒填充模型和基于三周期极小曲面(triply periodic minimal surface,TPMS)的电极微结构三维模型;研究了电极的比表面积等特征参数对不同类型多孔结构的影响以确定代表性体积单元;建立了LFP正极的LIBs放电过程多尺度数学模型,并对恒电流密度放电过程进行数值模拟.研究表明:粒径为3200 nm的球形颗粒填充电极以5C放电倍率放电时容量减小量为47%,以1C放电倍率放电时电极表面浓度差异为66%;而4种新型TPMS电极以5C放电倍率放电时容量减小量均在1%以内,以1C放电倍率放电时电极表面浓度差异也均在1%以内,极大提升了电池的性能,且Gyroid型结构表现最优.本文对后期LIBs的优化设计具有指导意义,并提供数据和理论基础支持.

摘要：针对现有无损检测方法难以准确检测包覆区承力索绞线结构损伤的问题,设计一种承力索可调节力压电式阵列超声导波传感器,并应用于包覆区承力索的外层股线损伤检测。基于螺旋坐标系求解超声导波在螺旋曲杆结构中的频散曲线分析其传播特性;基于模块化理念研制压电式超声导波传感模块、可调节力式压紧基座模块和探头校准模块;分析不同检测接触力对检测首波信号幅值的影响;最后搭建试验平台验证可调节力压电式阵列超声导波传感器对包覆区承力索绞线结构的外层股线损伤检测效果。结果表明,0~200 kHz范围内的L(0,1)模态、300~500 N的检测接触力具有较好的检测效果;反射端检测信号可判断检测区域内锚结夹包覆的断股情况并定位损伤位置,损伤定位误差可达0.38%。

摘要：EPR(European pressurized reactor)燃料棒相比M310燃料棒的棒长更长,导致其频率降低、幅值增大,在冷却剂的作用下,会加剧格架与棒束之间微动磨损(grid-to-rod fretting,GTRF),进而造成放射性物质的泄漏.将EPR燃料棒简化为3D梁模型,将刚凸和弹簧对燃料棒的约束等效为弹性约束,将带格架的燃料棒简化为多跨连续简支梁模型,然后基于ANSYS-APDL建立了EPR燃料棒的有限元模型.阐述了湿模态分析和湍流激振响应分析的基本原理,整理了12个格架失效工况,系统地研究了格架失效对湿模态和湍流激振响应的影响.针对EPR燃料棒流致振动问题,提出了采用本征正交分解(proper orthogonal decomposition,POD)原理分析EPR燃料棒流致振动特性的方法,通过对快照矩阵进行POD分解生成投影子空间,将湍流激振响应投影到子空间进行模型降阶,最后在物理空间快速地重构湍流激振响应.结果表明:格架失效会导致频率降低,且湍流激振响应的幅值会在格架失效处增大;当格架失效使得EPR燃料棒模型成为悬臂梁结构时,湍流激振响应最大;前2阶POD降阶模型基本能快速重构燃料棒的湍流激振响应,且误差非常小.文章的研究将有助于核反应堆工程的优化和设计.

摘要：以稳态特征量为输入的数据驱动稳定评估模型在新型电力系统安全防御系统中有重要的应用前景,但需要在模型设计中解决节点数量庞大和网络结构复杂带来的关键特征聚焦难题,并提供失稳模式等更为丰富的评估信息。因此,设计了一套基于稳态信息输入实现大电网主导失稳机群预测的深度学习稳定评估模型。首先,提出了一种异构的图和节点特征的动态池化降维模型,可伴随特征聚合过程,按节点特征相似性动态归并节点,实现大规模电网拓扑、节点数量和特征的并行降维。然后,提出了一种单机扫描型主导失稳机组分类器模型,通过全局注意力聚合将全网机组的相对运动信息集成到每台发电机特征向量中,使主导失稳机组辨识模型在结构上可以应对发电机组数量变化,具有很好的泛化能力。最后,在实际大规模电网中进行模型验证,并可视化地分析了关键环节的作用效果和应用性能。