PPy-MoS_(2)多孔网络柔性电极的电化学行为动力学分析

利用导电聚合物聚吡咯(Polypyrrole,PPy)与二维层状化合物MoS_(2)之间的互助复合被证实是制备多孔网络柔性电极的有效方法,通过调控制备条件可得到具有不同结构参数的自支撑电极。本工作通过深入解析电化学阻抗谱及循环伏安曲线(CV)对PPy-MoS_(2)多孔网络膜电极的电化学行为进行了详细的动力学分析,Trasatti分析方法被用来量化在储能过程中内表面和外表面的相对电荷储存量。结果表明,多孔网络柔性电极的体积比容量因厚度不同导致差异明显,而差异的本质源于不同厚度的柔性电极中储能反应的动力学控制差异。随着柔性电极厚度由5μm逐渐增加至60μm,其中的储能反应由表面控制主导逐渐转换为扩散控制主导,当表面控制与扩散控制同时存在且比例相当时,柔性电极表现出最高的体积比容量68 mA·h/cm^(3)(5 mV/s)。因此,在应用多孔网络自支撑膜为柔性电极材料时,为了获得最佳的储能效率,需全面优化柔性电极的结构参数以促进活性材料与电解质离子之间的相互作用。

考虑同层后道工序的柔性设备网络综合调度算法

针对柔性设备网络综合调度算法,难以合理选择加工设备加工相关工序进而影响产品完工时间的问题,该文提出考虑同层后道工序的柔性设备网络综合调度算法(SP-FENIS)。首先,采用逆序层优先策略,将各工序分配至逆序层待调度工序集;然后,提出均值逆序紧后路径策略,确定了各逆序层待调度工序集中工序的调度顺序;最后,提出最早完工时间策略和设备空闲插入策略,当工序在柔性设备上最早完工时间相同时,考虑了在柔性设备上的加工时间和同层后道工序的加工设备,确定了目标工序的加工设备以及加工时间。实例表明,和已有算法相比,该算法能够缩短产品完工时间。

柔性双工网络功率分配:边剪枝加速的GNN计算

由于用户间干扰的存在,无线通信网络中的功率分配问题往往是非凸的、计算量巨大。当前图神经网络(graph neural network,GNN)成为一种有效的计算方法被用来解决该问题。为了最大限度地提高网络传输速率的同时降低计算复杂度,提出一种将设备属性和通信连接属性纳入GNN的柔性双工网络图表示方法,并构建了相应的柔性双工图神经网络(flexible duplex GNN,FD-GNN)模型,首次将节点对之间的距离、信道增益和邻居作为动态阈值引入到FD-GNN中,以适应动态环境。排除GNN中邻居的信道状态信息,通过修剪FD-GNN中的边来减少计算时间降低网络时间复杂度。仿真表明,所提出的基于信道增益邻居的阈值设定方法,性能最优且达到加权最小均方误差(weighted minimum mean square error,WMMSE)的97%,相较于Full-GNN所需的训练时间下降24%。提出的基于阈值的边剪枝有效降低了GNN运算的时间复杂度,提高了算法有效性。

逆向物流网络系统柔性评价研究

通过对逆向物流网络系统内部及外部不确定性的分析,给出了逆向物流网络系统柔性的概念,并从系统的角度将逆向物流网络系统柔性分为战略、战术及执行3个层次。运用模糊层次分析法对逆向物流网络系统柔性进行评价,可为企业构建或诊断逆向物流网络及提高逆向物流网络系统柔性提供参考。

网络柔性对创新绩效的影响研究:个体知识协同行为(Id-KCB)、团队知识协同行为(T-KCB)的中介效应

【目的/意义】个体知识协同行为(Id-KCB)和团队知识协同行为(T-KCB)在组织的网络柔性对创新绩效的影响过程中起中介作用,探讨其内在机理对组织有着重要的意义。【方法/过程】本文通过数据调查,利用结构方程模型方法,剖析了"网络柔性"对创新绩效影响过程中的Id-KCB、T-KCB的中介效应。【结果/结论】研究表明,网络柔性对Id-KCB、T-KCB均有显著的促进作用;T-KCB对创新绩效很强的正向促进作用,而Id-KCB对创新绩效并没有显著的正向相关性,但是Id-KCB在一定程度上正向影响T-KCB。因此,网络柔性可以通过Id-KCB、T-KCB的中介效应(一阶或二阶)对创新绩效产生正向影响。

柔性双工网络中基于图神经网络的能源效率联合优化方法

在绿色通信和双碳目标的背景下,提升网络能源效率(energy efficiency,EE)是当前无线通信系统设计和可靠运行的关键技术之一。首先,针对柔性双工网络(flexible duplex networks,Flex-Net)的“和能源效率”最大化的问题,构建了一个具有成对固定通信链路的网络;接着,鉴于图神经网络在通信网络资源优化中的优势,提出了一种新的基于图神经网络(GNN)架构的柔性双工网络(GFlex-Net),以联合优化“通信方向”和“传输功率”,达到网络能效最大化。仿真结果表明,与传统的算法相比,所提出的架构有近乎最优的性能表现,达到穷举法性能的95%,但保持了较低的计算复杂度O(n2),同时算法揭示了GNN在资源优化中面对样本复杂性、可扩展性和泛化能力方面的优势。

柔性多点同步爆炸网络设计技术研究

计算了柔性爆炸网络各部分的输出同步性误差,分析了影响系统输出同步性的主要因素。试制了以银壳柔性导爆索为主要传爆元件能实现一入九出偏心起爆和一入十二出中心起爆的柔性爆炸网络样机。样机的扩爆药柱和导爆索的装药均为聚奥克托今CⅢ。对样机输出性能的测试分析表明,同步爆炸网络均能可靠作用。系统的输出同步性为200 ns左右,比同尺寸同类设计的同步性提高了100 ns以上。

可重构柔性网络体系研究

下一代网络应该是一个可以满足用户个性化需求的网络,可重构技术在满足系统对环境和应用对象变化的适应性要求方面有着很好的表现,因此将可重构技术引入网络体系设计,提出了可重构柔性网络的概念,给出了可重构柔性网络参考模型,并进行形式化描述。最后,介绍了可重构柔性网络的应用前景及优势。

危岩体柔性网络锁固治理研究

以板岩山危岩体治理为实例 ,提出了危岩体治理的柔性网络锁固方法。阐述了该方法的机理及其设计 ,并给出了危岩体治理前后的有限元分析 。

可重构柔性网络体系结构和基本形态

回顾信息通信网络发展的历史,总结其成功和不足。从改善网络性能和提高网络资源利用率的角度出发,提出了可重构柔性网络的体系结构。描述了可重构柔性网络的基本形态,阐明了网络节点技术和资源管理机制。对可重构柔性网络的创新应用前景进行了讨论。

可重构柔性网络资源管理与服务映射方法研究

提出了基于资源重组的可重构柔性网络(RFNet)。RFNet中的网络服务是构件的有机组合,并且能够根据新的业务需求,利用构件复用思想,从软硬件出发重构出满足需求的新的网络服务。首先介绍RFNet的体系结构,然后提出RFNet的"资源管理—承载网映射—网络服务映射"的流程机制。经过评估,提出的RFNet"资源管理—承载网映射—网络服务映射"机制能够很好地支持差异化服务的构建与共存,并且基于负载均衡的可重构服务承载网映射算法RSCNM在网络构建成功率、最大节点强度、平均链路利用率和构建平均收益上具有明显的优势。

柔性换热器网络综合与清洗时序安排同步优化

提出在柔性换热器网络设计时考虑设备投入运行后实施在线清洗时序安排的同步优化方法,实现换热器网络动态综合。为降低该问题计算的复杂性,提出采用两阶段法。第一阶段利用虚拟温-焓图法初步综合获得考虑设备结垢过程和流股入口温度、热容流率发生变化时的多周期柔性网络,在同步优化之前识别出较优匹配候选。第二阶段,换热网络结构、设备面积和清洗时序安排利用遗传/模拟退火算法进行同步优化。通过积分方法来计算随时间变化的公用工程消耗,所建立的数学模型因此比以往文献更加严格。计算实例表明,所提方法有效降低年度总费用,同时能够解决大规模柔性换热器网络综合问题。

隧洞TBM施工过程柔性循环网络建模与仿真分析

长距离隧洞TBM施工面临众多风险,尤其是地质条件的不确定性是影响工程进度的重要因素。提出柔性作业网络的表达方式,建立TBM施工过程柔性循环网络模型,突破传统PERT以及现有研究只考虑工序持续时间不确定性的限制,可描述在应对施工风险的调整措施下,工序逻辑关系调整和工序增删的不确定性,故可全面反映施工过程中的工序持续时间柔性、顺序柔性和操作柔性。同时,采用Markov过程和专家调查法估计隧洞沿程不同岩性段下地质风险因素(如膨胀岩、突水)的发生概率,并提出TBM施工柔性循环网络仿真分析流程。工程实例研究表明,该方法不仅可计算隧洞TBM施工工期及其不确定性,而且比先前方法更深入地分析地质风险对进度的影响程度,可为制定工程风险防范方案和进度计划提供依据。

可重构柔性网络架构与节能机制研究

随着计算机网络业务的不断发展和网络规模的急剧膨胀,目前网络在服务能力可扩展性和低功耗方面存在不足。提出一种可支撑服务能力重构和绿色节能的可重构柔性网络架构,给出了可重构柔性网络的松耦合分层模型、组网架构和组网技术。通过在服务能力与资源之间建立或变更映射关系,灵活支持未来上层业务演进,并在网络设备制造产业、网络级和节点级实现网络绿色节能。结果表明,可重构柔性网络作为一种新型的未来网络架构,为未来构建可重构服务网络和绿色网络提供了可行的思路和方法。

可重构网络中柔性网络配置代理服务提供模型

随着网络的进一步发展,越来越多新出现的业务要求网络不仅能提供信息传输的可靠性,还要求它们使用的网络在不同服务需求下都能提供稳定服务。柔性网络配置代理是用来根据服务提供控制网络资源使用,提高网络性能,解决上述网络资源配置问题的核心。从流量特性的角度出发,抽象出柔性网络配置代理的服务提供模型,并讨论了柔性网络配置代理的实现。

可重构柔性网络下基于预测的网络资源重构算法

研究了可重构柔性网络环境下的网络资源重构,为解决可重构嵌入式网络的构建、消亡导致的底层网络资源使用不均衡的问题,提出了基于预测的网络资源重构算法(FNRA)。与原有算法使用的周期性时间间隔不同,该算法基于已知信息预测网络重构时间间隔,通过对网络资源分类和重构请求滞后策略来保证网络重构时机的全局最优。在网络重构代价和建网成功率两个方面将FNRA与路径迁移和路径准入算法(PMPA)和虚拟网络准入算法(VNA)Ⅱ算法进行了比较,仿真结果表明FNRA的重构代价比PMPA降低40%,比VNAⅡ降低67%;FNRA的构网成功率比PMPA提高50%,比VNAⅡ提高27%。

柔性神经网络训练算法的研究

针对经典BP网络训练速度慢、易陷入局部最小值而无法收敛的弱点,提出用具有高度柔性的柔性神经网络代替经典网络,并以矩阵作为基本运算单位导出了柔性神经网络训练的最速下降法和LM(Levenberg Marquard)算法。矩阵作为基本运算单位的优点是可以用高效矩阵库LAPACK来编写程序,提高了数值计算的精度和速度。仿真结果表明了算法的有效性。

电力系统电流互感器饱和特性的柔性神经网络补偿法

电流互感器(CT)由于饱和使得副边电流变形,进而导致保护与测量应用中的许多问题。为此,提出一种补偿CT饱和特性的方法,以改善其测量性能。所提算法基于具有2个可变参数的sigmoid函数,构建了新型柔性神经网络,以估算CT励磁电流。实时地将估算所得励磁电流与扭曲的副边测量电流相加,即得补偿后原边电流。在学习过程中,所建补偿器的各柔性神经元柔性地改变其形状以适应各自的角色,高度柔性特点增强了网络学习能力,不但可减少网络节点数,而且可减少迭代学习时间。仿真研究中,应用一个900:5A的CT测试所提出的补偿器,测试时考虑了CT原边电流不同直流分量、CT剩磁大小与CT负载特性的影响。仿真结果验证了所提补偿方法的高精度,而且不受CT负载特性、CT剩磁情况及原边电流直流成分的影响。

柔性网络计划及其参数的概率模型研究

从分析确定性网络的缺点开始 ,引出柔性网络的概念 :统计分析了影响工期的因素 ,建立了工序的概率模型及参数 ,给出了柔性网络分析流程图。

基于柔性神经网络的SRM直接瞬时转矩控制

开关磁阻电机(SRM)有着广阔的应用前景,而低速运行时的高转矩脉动这一缺陷限制了其在汽车等领域内的应用。针对SRM强非线性和高度耦合性的特点,借鉴传统直接瞬时转矩控制(DITC)策略,提出了基于所构造的柔性神经网络(FNN)的SRM直接瞬时转矩控制策略。其中改进的控制策略外环采用不完全微分模糊PID对速度进行调节,内环采用以转矩误差的平方为性能指标函数的FNN自适应PID对转矩进行调节。在Matlab/Simulink环境下,仿真结果表明改进的DITC策略能够更有效地降低SRM的低速转矩脉动。