基于能量效益的无人机辅助移动群智感知系统任务分配

与传统移动群智感知系统的感知工人相比,无人机具有能够执行危险任务、易控制、不需要额外的激励成本等优点,因此无人机更适合作为任务执行的主体。然而无人机的能量有限,且感知任务的完成时间有限制,因此如何综合考虑以上2个因素设计一种高效的任务分配方法是一个关键问题。由此提出一种基于能量效益的无人机辅助移动群智感知系统任务分配方法,在能量效益最大化的同时提高系统任务完成率。该方法首先在无人机获得的回报和消耗的能量基础上定义了能量效益计算方式,用于评价任务分配方案的优劣;然后,设计了一种改进的模拟退火遗传算法以获得能量效益最大化的任务分配方案。经实验证明,与其他基准算法相比,所提出方法在任务平均能耗、系统任务完成率、系统能量效益有更好的表现。

基于选择的移动群智感知反向拍卖激励机制

由于移动群智感知中工人和平台的自私性,社会福利和数据质量往往难以达到平衡,损害了基于移动群智感知的服务可用性和准确性。为了解决这一问题,本文提出一种基于选择的反向拍卖激励机制,分别研究反向拍卖中以工人为中心的任务选择和以平台为中心的工人选择,在最大限度提高社会福利的同时优化数据质量。首先,根据工人和任务的位置等属性评估工人与任务之间的匹配度,提出基于动态规划的任务选择算法,在工人资源约束下为每个工人选择具有最佳回报的任务进行投标;其次,使用多臂赌博机建模反向拍卖赢家选择过程,并设计了一种基于置信度上界的赢家选择算法,以确定最佳中标工人集;最后,实验验证本文所提出的激励机制能够同时有效提升社会福利和数据质量。

基于图神经网络和多主体评价的教学资源推荐

在现有的教学资源推荐系统中算法和模型不断进步,但推荐策略仍然停留在学生偏好分析或内容相关性计算两方面,忽略了教学资源推荐中授课教师对教学目标的掌控以及企业导师的实践价值引导作用。为此,提出一种基于图神经网络和多主体评价的教学资源推荐方法,综合考虑学生、教师和企业导师3个主体的评价,并解决多主体评价导致的小样本问题。首先,构建包含教学资源和知识点的异质图,通过异质图嵌入分别获取教学资源和知识点的特征向量表征,计算教学资源与知识点的相关性;然后,设计多主体评价机制,分别制定针对学生、教师和企业导师3个不同主体的细粒度评价指标,利用基于图神经网络的小样本学习(GNN-FSL)模型获取不同主体对教学资源的评分向量估计;最后,利用注意力机制来综合不同主体的评分向量估计以及教学资源与知识点的相关性对推荐结果的影响。实验结果表明,该方法在小样本训练中具有较好的评分向量估计准确度优势,并且融合多个主体评价和增加细粒度多主体评价指标的两大措施均对提升推荐准确度和学习成绩具有显著作用。

重新揭示建筑意义的潜在维度:《分裂的再现时代中的建筑》与达利伯·韦瑟利的建筑现象学——阐释学思想

本文以达利伯·韦瑟利唯一的专著《分裂的再现时代中的建筑》为线索,评述他的建筑现象学—阐释学思想的内容、背景和瑕瑜。他从建筑再现和其在现代性之下面临的意义交流的危机出发,用现象学和阐释学哲学视角揭示了建筑再现交流所依赖的潜在维度和它的历史转变,并提出基于“碎片”和“诗学”的出路。他对建筑危机的讨论是1970年代英国反思现代主义浪潮的一部分和延续。对危机的关切使他的思想比其他的建筑现象学更广博深厚,为体验问题提供了公共和历史基础。韦瑟利对建筑意义潜在维度的重新发掘展现了“再现”的危机在认识论和历史叙事上的两种层次,既是了解欧洲建筑文化精神内核的捷径,也为建筑实践提供了更加公共的价值取向。

驻留式微气泡阵列流动减阻机理数值研究

为了完善驻留式微气泡阵列减阻的机理理论,基于有限体积方法,采用大涡模拟(LES)方法对平板及驻留微气泡阵列近壁面复杂湍流流动开展数值模拟研究,采用本征正交分解法(POD)提取2种模型近壁区湍流拟序结构进行对比分析.结果表明:相较于平板,驻留微气泡阵列近壁面切应力变化更加平稳,减小了约13.7%;微气泡气/水界面的动态形变使边界层间歇性流动分离再附着,抑制低速流体上抛、高速流体下扫形成的“猝发”现象,湍流相干结构“猝发”频率减小5.6 Hz.利用POD方法,能够有效地提取近壁面复杂湍流拟序结构的主要分布特征,微气泡的存在加强了湍流近壁区内的小尺度结构,促进流场内湍流动能的均匀分布,抑制了拟序结构的发展,体现了驻留微气泡良好的减阻特性.

面向依赖关系约束的移动群智感知任务协作

现有移动群智感知中,大多研究将每个任务作为独立个体进行处理,对任务间约束关系缺乏研究,为此,提出了基于感知质量优先级的在线任务协作方法(online task collaboration method based on sensing quality priority,TCSP)。该方法首先使用贪婪算法计算感知质量优先级,对全部任务进行筛选以保证任务完成率;然后将选出任务中存在时间先后或执行逻辑前后关系的多个子任务构建为任务协作图,并将其协作过程建模为有约束的马尔可夫决策过程,通过强化学习算法求出最优协作策略。实验结果表明,与现有基线方法相比,所提出的任务协作方法能够减少依赖任务的平均完成时间,有效降低平台的平均感知成本。

鲜活小龙虾超高压剥壳预处理工艺比较及其对虾仁品质的影响

为探究超高压剥壳预处理工艺对鲜活小龙虾脱壳效果及品质的影响,本研究组合不同压力(150、200、250、300 MPa)和保压时间(1、3、5、7 min)对鲜活小龙虾进行超高压脱壳预处理。脱壳效果评价指标选用脱壳时间和虾肉完整率。品质评价指标选用汁液流失率及可表示肌原纤维蛋白变性程度的肌原纤维蛋白含量、表面疏水性、总巯基含量、羰基含量、Ca^(2+)-ATPase活性等指标。结果显示:超高压处理有助于小龙虾脱壳,小龙虾的脱壳时间随着压力的增大而缩短;除150 MPa、3 min处理组外,其他超高压处理组的虾仁完整率可达100%;适当的压力可以降低小龙虾的汁液流失率,200 MPa、1 min和300 MPa、5 min处理后的小龙虾虾肉汁液流失率,分别为7.25%和9.16%,两者均低于生鲜组。随着压力的增大,肌原纤维蛋白含量、总巯基含量和Ca^(2+)-ATPase活性下降,表面疏水性及羰基含量上升;300 MPa(1、3、5 min)处理后的肌原纤维蛋白变性程度明显。综合分析脱壳效果及蛋白理化特性指标,本研究认为200 MPa、1 min处理能同时实现脱壳效果的提高和虾仁良好品质的保证,适宜于小龙虾的超高压脱壳。本研究结果可为超高压技术应用于小龙虾的生鲜脱壳提供技术参考。

基于任务需求匹配的网络连通质量控制方法

现有多智能体系统网络研究方法缺乏对局部网络质量与区域性任务需求之间的匹配分析,这将影响任务的完成效率和质量,为此提出一种基于任务需求匹配的网络连通质量控制方法。首先,利用智能体移动状态分析系统网络的间歇连通性;然后,结合任务需求以及系统的间歇网络连通性构建基于主从模式的多智能体子网集合,进而从三个方面评估子网集合的连通质量;最后,提出基于网络连通质量控制的多智能体移动优化模型,用最大的子网集合连通质量表示多智能体网络连通质量,在智能体移动距离和网络连通质量的约束下求解任务完成率最大化的多智能体移动策略,通过该策略形成多智能体网络以执行任务。实验结果表明,该方法可以有效控制网络连通质量,维持任务完成率并提高智能体移动效用。

阵列圆盘式纺丝头结构对电场强度的影响

传统的规模化静电纺丝技术存在所需电压高、场强不均和边缘效应等问题,导致纺丝质量不佳,难以规模化制备纳米纤维。因此,提出一种新型的阵列圆盘式无针头设备,使用Solidworks软件进行三维建模,然后将模型导入COMSOL Multiphysics 5.6有限元仿真软件进行模拟,优化新型纺丝头的结构参数、接收距离、外加电压以得到最佳的电场强度和匀场效果。结果表明:当新型纺丝头圆盘数量为10、圆盘间距为40 mm、圆盘外径为40 mm、接收距离为100 mm、电压为25 kV时,电场强度平均值为1.48×106 V m,CV值为1.60%,表明该纺丝头结构有效克服了边缘效应并降低纺丝所需电压。所得纺丝装置模型在纺丝口处的电场强度较高且分布均匀,可批量制备高质量的纳米纤维。

超高压对牡蛎开壳效果及品质变化的影响

为探索超高压对牡蛎开壳效率及肌原纤维蛋白生化特性的影响,采用超高压处理鲜活牡蛎,以手工开壳作为对照,通过测定不同超高压条件对牡蛎开壳率、开壳大小以及得肉率考察压力对开壳效果的影响,通过测定牡蛎肉的持水率、色差、肌原纤维蛋白含量、Ca^(2+)-ATPase活力、总巯基含量、羰基含量以及表面疏水性,探究超高压处理对牡蛎品质及肌原纤维蛋白生化特性的影响。结果显示:在300 MPa条件下保压1 min能提高牡蛎的开壳效果,开壳最大为2.3 cm,得肉率最高为98.48%;随着压力的增加,牡蛎肉持水率先增大后降低,L*值逐渐增加,a*值和b*值逐渐减小,与手工开壳组相比,牡蛎外观偏黄。超高压开壳后的牡蛎肌原纤维蛋白总巯基含量、Ca^(2+)-ATPase活力降低,表面疏水性和羰基含量增加,表明超高压处理会使牡蛎蛋白质发生变性和氧化。研究结果可为牡蛎在超高压开壳过程中肉和肌原纤维蛋白品质的控制提供一定的参考。

跨介质弹体出水稳定性

研究弹头构型、发射角及弹射速度对弹体跨介质稳定性的影响机制,为多样化弹道跨介质兵器/飞行器的设计提供试验及理论支持.开展弹体跨介质出水试验及数值仿真,经瞬时图像集解析获取弹体跨介质偏转角变化量及运动轨迹,构建高精度气/水跨介质数值模型,揭示弹体穿越气/水界面过程中弹头构型、发射速度、发射角对弹体承载分布及跨介质稳定性的作用机制.研究结果表明,弹体气/水跨介质数值模型计算误差<5%;同一弹体跨介质出水稳定性随发射速度、发射角增大而提高;相同发射工况时,各弹头构型跨介质出水稳定性:圆弹头>90°锥形头>120°锥形头>平弹头;跨介质弹体表面液膜形态对称性越好、液膜面积变化量越小则有利于减少弹体跨介质径向载荷振幅,提升跨介质稳定性.

变旋翼垂直起降无人机设计与实验

复合式垂直起降(VTOL)无人机结合多种飞行模式,适应多元化的飞行需求。该文提出一种变旋翼电动VTOL无人机结构设计方案,通过结合固定翼和旋翼机的飞行优势,改变旋翼的转向结构及其相对气流的工作方向,从而切换不同气动方式,达到增强机动性、提升续航性的设计目的。在选型和计算校核后,设计样机并搭建实验平台测试其升转速力特性,得出25°~30°为最优攻角,并验证了新系统最大可达传统旋翼1.8倍的升力。以CFD进行验证计算与实验间的偏差控制在7%,结果显示设计可行。

面向新工科建设的跨学科嵌入式实验教学

近年来,跨学科研究成为科学创新的重要驱动力,教育部在积极推进新工科建设的同时,提倡学科教学交叉融合。为此,通过在企业以及学校内部开展交叉创新现状和氛围的调查以剖析传统嵌入式实验教学的局限性,并从教学内容和教学形式两方面探究跨学科嵌入式实验教学将要面临的挑战,阐述了有针对性地实施教学内容多样化以及教学形式层次化、项目化和实战化的教学改革,以构建新的跨学科嵌入式实验教学体系。通过成效分析证明该体系有利于培养学生跨学科自主创新的能力以及增强学生合作创新的协同能力。

面向“教”与“学”的数据素养培养体系建设研究

随着人工智能、物联网、云计算的发展,数据素养已经成为教学活动中师生必备的一项基本能力。为了提升师生的数据素养,达到提升教学质量的目的,首先对师生数据素养的内容与要求进行分析,将师生的数据素养划分为数据意识和数据能力两个方面,并分别对两个方面的具体内涵进行解读。在此基础上,提出了培养与提升师生数据素养的几个途径,并以上海理工大学在疫情期间师生数据素养培养体系的实施为例进行了说明。

基于数据冗余控制的移动群智感知任务分配方法

移动群智感知系统中任务之间存在时空覆盖重叠性,这可能导致重复数据收集从而引发数据冗余问题,为此,提出了一种可同时控制任务内以及任务间数据冗余的任务分配方法。该方法首先提出基于长短期记忆(LSTM)神经网络的轨迹序列预测模型,对任务参与者进行细分时空单元的轨迹序列预测,然后根据轨迹预测结果提出最小化数据冗余的优化模型。通过最小化时空单元的数据冗余度来控制单个任务内的数据冗余问题,并通过让单个任务参与者在时空单元中的感知数据被最大化重复利用来控制多个任务之间时空覆盖重叠性带来的数据冗余。实验结果表明,提出的任务分配方法可以有效地减少任务内及任务间的数据冗余。

常规联合呼吸机辅助治疗小儿重症毛细支气管炎的疗效及其安全性

目的探讨常规联合呼吸机辅助治疗小儿重症毛细支气管炎的疗效及其安全性。方法选择2015年6月~2017年6月于我院治疗的110例小儿重症毛细支气管炎患者,按数字随机法分为对照组与观察组,每组55例,对照组采用常规止咳平喘、抗感染、雾化吸痰及糖皮质激素治疗,观察组在此基础上加用呼吸机辅助治疗。治疗前后进行血气分析,比较两组患儿各项症状、体征消退时间、血清炎性因子水平,评价临床疗效,并观察并发症发生情况。结果观察组治疗总有效率为92.73%,显著高于对照组的81.82%,组间差异有统计学意义(P<0.05);两组治疗前后动脉血氧分压(PaO_2)、血二氧化碳分压(PaCO_2)、氧合指数(PaO_2/FiO_2)差异均有统计学意义(P<0.05);治疗后6h及1、2d时观察组与对照组间差异亦有统计学意义(P<0.05),而血液PH值差异无统计学意义(P>0.05);观察组呼吸、心率恢复正常时间,肺部啰音、喘憋、咳嗽消失时间均显著低于对照组,差异有统计学意义(P<0.05);两组并发症发生情况差异无统计学意义(P>0.05);两组治疗后血清炎性因子水平均显著降低,且治疗后观察组血清TNF-α、IL-4、IL-8水平均显著低于对照组,差异均有统计学意义(P<0.05)。结论小儿重症毛细支气管炎采用常规治疗联合呼吸机辅助治疗能显著改善高碳酸血症,缩短咳嗽、喘憋等呼吸症状体征,降低炎症反应,提升临床疗效,治疗安全有效。

基于任务与巡航方向相关性分析的无人机任务分配

在有限能耗下提高任务执行效率是无人机系统中一个关键问题,然而现有的无人机任务分配方法忽视任务与无人机巡航方向的相关性对能耗和时延的影响。为此,提出一种基于任务与巡航方向相关性分析的无人机任务分配方法,该方法包括任务筛选和基于共识的冲突解决两个阶段。在第一阶段,该方法首先利用任务与无人机巡航方向的夹角为单个无人机筛选出无折返任务,然后提出兼顾能耗和时间紧迫性的任务筛选算法从无折返任务中筛选出交互前候选任务。在第二阶段,该方法在多个无人机交互候选任务列表后,根据任务在这多个无人机巡航方向上的能耗效用参数和时延评估值来解决它们之间的任务冲突。经实验验证,提出的方法能够获得更低的任务平均能耗和平均时延。

效用优化的本地差分隐私集合数据频率估计机制

本地差分隐私具有不需要可信第三方、交互少、运行效率高等优点,近年来受到了广泛关注.然而,现有本地差分隐私集合数据频率估计机制未能考虑数据的隐私敏感度差异,将所有数据同等对待,这会对非敏感数据保护过强,导致估计结果准确度低.针对这一问题,定义了集合数据效用优化本地差分隐私(set-valued data utility-optimized local differential privacy, SULDP)模型,考虑了原始数据域同时包含敏感值和非敏感值的情况,在不减弱对敏感值保护的前提下,允许降低对非敏感值的保护.进一步,提出了符合SULDP模型的5种频率估计机制suGRR,suGRR-Sample, suRAP,suRAP-Sample和suWheel,理论分析证实,相对于现有的本地差分隐私机制,所提方案能够对敏感数据实现完全相同的保护效果,并通过降低非敏感数据的保护效果,实现了频率估计结果的准确度提升.最后,在真实和模拟数据集上评估了新的方案,实验结果证明了所提的5种机制能够有效降低估计误差,提升数据效用,其中suWheel机制表现最优.

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。

模式耦合快速求逆稀疏贝叶斯MIMO雷达成像

MIMO雷达成像目标通常具有块稀疏特性,模式耦合稀疏贝叶斯算法能够较好的恢复块稀疏信号,但其主要的缺点是在每次迭代过程中都涉及复杂矩阵求逆。引入快速求逆稀疏贝叶斯算法,建立模式耦合快速求逆稀疏贝叶斯模型,将复杂矩阵求逆转化为对角矩阵求逆,实现MIMO雷达目标快速精确重构。通过仿真对比分析,所提算法较传统贝叶斯算法能大大减少雷达成像时间,且实现目标块区域信息高效恢复。