数字化转型下知识耦合如何重构组织边界——基于创业警觉的认知逻辑

数字化转型下制造企业的边界重构是知识的动态交互联接,从此视角打开组织边界重构的过程机制,对提升企业敏捷性、共生性具有重要作用。本文采用归纳式单案例研究,通过对制造企业多个层次的深入研究,探讨了数字化转型下企业通过知识耦合进行组织边界重构的机制。本文发现数字化转型下,制造企业运用知识重组(关键点识别、资源编排、匹配)、知识整合(数据挖掘、知识验证、跨界融合)、知识解耦(主动遗忘、流程调优、技术替代)三种知识耦合过程机制来重构组织边界。同时,研究发现创业警觉是潜在的边界重构认知逻辑,制造企业依靠创业警觉认知能力,从不同的行动领域设计边界重构决策。本文研究结论展现了数字化转型下制造企业如何通过知识的交互联接重塑组织边界,以彰显、获取知识权力;为数字化转型下制造企业的组织边界重构提供了新的、系统化的见解;对企业维持与发展知识权力优势、实现数字化转型具有借鉴意义。

急性前壁ST段抬高型心肌梗死患者直接冠状动脉介入术后微循环阻力指数与左心室不良重构的相关性

目的:评估急性前壁ST段抬高心肌梗死(acute anterior ST elevation myocardial infarction,STEMI)患者直接经皮冠状动脉介入术(primary percutaneous coronary intervention,PPCI)后微循环阻力指数(index of microcirculatory resistance,IMR)与1年后左心室不良重构(left ventricular adverse remodeling,LVAR)之间的关系。方法:采用单中心回顾性队列研究,连续选择2014年1月至2017年8月在北京大学第三医院住院的前壁STEMI并行PPCI患者,术后即刻通过压力/温度导丝测量IMR。利用血清肌酸激酶(creatine kinase,CK)峰值评估梗死面积,心肌梗死(myocardial infarction,MI)后1 d和1年时评估超声心动图,将左心室舒张末期容积(left ventricular end-diastolic volume,LVEDV)较基线增加≥20%定义为LVAR。结果:共入选43例患者,平均年龄(58.7±12.4)岁。根据IMR正常参考值将患者分为两组,IMR>25(n=23)组较IMR≤25组(n=20)患者冠状动脉造影显示梗死相关血管完全闭塞率(95.7%vs.65.0%,P=0.029)更高,血清CK峰值水平更高[4090(383,15833)vs.1580(396,5583),P=0.004],室壁瘤发生率更高(30.4%vs.5.0%,P=0.021)。MI后1 d两组LVEDV差异无统计学意义[(111.0±18.8)mL vs.(115.0±23.6)mL,P=0.503],而1年后IMR>25组LVEDV明显高于IMR≤25组[(141.5±33.7)mL vs.(115.9±27.9)mL,P=0.018]。IMR>25组LVAR发生比例更高(47.4%vs.11.8%,P=0.024)。二元Logistics回归显示IMR[B=0.079,exp(B)(95%CI)为1.082(1.018~1.149),P=0.011]和血清甘油三酯(triglyceride,TG)水平[B=1.610,exp(B)(95%CI)为5.005(1.380~18.152),P=0.014]是患者MI后1年发生LVAR的预测因素,IMR对1年后发生LVAR具有良好的预测价值(曲线下面积=0.749,P=0.019),IMR>29为良好的临界点,敏感性81.8%,特异性68.0%。结论:STEMI患者PPCI术后即刻测定IMR可以反映微血管功能,而微血管功能障碍是STEMI后1年左心室不良重构的有力预测指标。

致密油多场重构驱渗结合提高采收率技术

建立渗流-地质力学耦合的嵌入式裂缝流动模型,进行致密油多场耦合模拟,揭示致密油长期注水后压力场、渗流场和应力场的变化规律,在此基础上提出了致密油多场重构驱渗结合提高采收率技术。研究表明:致密油长期注水开发后,压力扩散范围小,难以建立有效驱替系统,地应力的变化幅度呈现差异性,水平最小主应力变化幅度大于水平最大主应力,注水井地应力变化幅度大于生产井,注水井周围地应力转向幅度较大。多场重构驱渗结合提高采收率技术通过注水井转采和大规模压裂技术,重构人工体积缝网系统;通过压前补能、压中增能、焖井蓄能、驱渗结合的全生命周期能量补充方法,有效解决了大规模压裂后注入介质易窜流、能量难补充的问题;通过多井联动强化渗吸效应,重构复杂缝网下驱替与渗吸结合体系,由避缝向利用裂缝转变,提高微观波及效率和驱油效率。鄂尔多斯盆地华庆油田元284区块现场应用实践表明,该技术提高采收率12个百分点,可实现致密油规模效益开发。

可重构智能表面辅助通信系统时变级联信道估计

针对可重构智能表面(RIS)辅助通信系统时变级联信道的估计中需解决的级联信道稀疏表示、时变信道参数跟踪和信号重构等关键问题,提出了一种结合Khatri-Rao积的分层贝叶斯卡尔曼滤波(KR-HBKF)算法。该算法首先利用信道的稀疏特性,通过Khatri-Rao积和克罗内克积变换得到RIS级联信道的稀疏表示,将RIS级联信道估计问题转化为低维度的稀疏信号恢复问题。然后,根据RIS级联信道的状态演化模型,在HBKF算法的预测模型中引入了时间相关性参数,应用改进的HBKF解决时变信道参数跟踪和信号重构问题,完成时变级联信道的估计。KR-HBKF算法综合利用了信道的稀疏性和时间相关性,能以较小的导频开销获得更好的估计精度。仿真结果表明,与传统压缩感知算法相比,所提算法具有约5 dB的估计性能提升,且在不同的时变信道条件下具有更好的鲁棒性。

数字化转型背景下课堂教学范式重构

课堂教学的数字化转型,是将课堂中的各种教学要素信息化,教学信息资源化,进而促进师生高效利用信息化资源,实现课堂教学育人方式的转变与教学质量的提升。数字化转型将推动课堂教学范式重构。传统课堂是“信息呈现”教学范式,用压抑学生学情信息来保障教师教学信息的质量。学情信息是课堂教学数字化转型的生长点,充分发挥其价值,需利用“任务设计”“结构变革”“学习地图”等举措,建构以发现和利用学情为旨趣的“信息引导”教学范式。在数字化的技术赋能下,“信息引导”教学范式将走向“精准教学”,塑造人才培养的全新课堂样态。

传统家族关系的数字化重构——基于微信家族群的实证分析

微信作为数字时代重要的传播媒介和社交工具重构了中国传统家族关系。微信家族群是典型的媒介化集体和数字时代的新互型。微信家族群建构了线上聚合的、具有日常性与仪式化、互动性和互训性的数字化家族空间;呈现了兼具仪式性和日常性的家族数字生活时间节奏,形成了具有实时性和瞬间性的家族数字生活时间体验以及日志型的家族数字生活时间景观;也从代际权力和城乡空间权力等维度重构了传统家族关系。家族的数字化生存对传统优秀家族文化的传承带来了挑战。

共同富裕目标下东西部协作机制重构研究

东西部协作是推动区域协调发展、协同发展、共同发展,从而实现共同富裕的大战略、大举措。党的十八大以来,东西部协作和对口支援的规模不断扩大、路径不断拓宽,西部地区全面建设小康社会成果显著。进入新发展阶段,要实现党的二十大报告提出的全体人民共同富裕的中国式现代化要求,东西部协作机制需要释放“倍增效应”。为此,需要响应以巩固拓展脱贫攻坚成果同乡村振兴有效衔接为起点,以缩小东西部区域城乡差距和群体收入差距为导向,以协同推进全国统一大市场建设为路径,遵循共同富裕目标下东西部协作机制的重构逻辑,以东西部协作机制重构赋能乡村振兴与区域协调发展。新发展阶段,以东西部协作机制重构赋能共同富裕,要推动“产业+园区”协作治理模式提档升级,强化“消费+就业”协作治理模式创新,探索“资源+服务”协作治理模式。

基于FBG连杆变形感知及三维重构方法研究

连杆作为柴油发动机的关键零部件,其变形直接影响动力装备的性能和寿命。因此,检测连杆变形对保证动力装备的使用寿命具有重要作用。文中提出基于光纤光栅(fiber Bragg grating,FBG)船用柴油机连杆的变形检测技术,根据有限元分析连杆变形特点,设计FBG栅点的传感网络,建立连杆受力变形下的三维重构模型,并开发基于FBG连杆变形检测的软硬件系统,实现连杆变形的可视化监测。实验结果表明采用基于FBG的感知和重构技术检测连杆的变形是可行的,为连杆性能的精确检测以及船舶动力装备其他关键件的变形检测提供了新思路。

现代语境下壮族干栏式民居建筑空间重构研究

中国历史悠久,疆域辽阔,地理环境复杂多样,各民族习俗与区域文化也丰富多彩。区域性的建筑样式与空间不但会受到其他区域建筑因素的渗透,还会受到时代性因素的影响。在我国当代的多元化建筑潮流的推动下,广西壮族民居建筑势必会受到其他区域性与时代性的影响。深入挖掘广西壮族干栏式民居建筑在现代环境中的多种可能性,在弘扬地区文化、保持地方特色的同时,映射时代性需求,对广西壮族民居及其受众有着非常重要而积极的理论意义与现实价值。

地面机动平台可重构轮履复合推进机构研究现状与展望

可重构轮履复合推进机构兼具轮式推进机构的快速性和履带推进机构的通过性,是提高地面机动平台在极端地形上综合性能的关键技术,在各类机器人和特种车辆上都得到了一定应用.文中在系统调研国内外相关文献的基础上,按轮履构型重构互换原理对推进机构进行分类,着重对比分析了不同构型的结构特点和应用场景,指出了可重构轮履复合推进机构的主要技术难点和发展前景.

融合BiLSTM和VMD的GNSS坐标时间序列重构

GNSS观测时间序列包含复杂的非线性构造运动,如地面质量荷载、模型残差、周围环境因素等。由于环境因素的复杂性,季节性信号可能具备准周期时变的特征,传统的时间序列分析模型很难模型化。因此,可以采用一种双向长短期记忆(Bidirectional Long Short-Term Memory,BiLSTM)循环神经网络与变分模态分解(Variational Mode Decomposition,VMD)联合的信号重构方法。首先利用VMD强大的分解能力将GNSS信号进行频域剖分并将其分为多项子信号和噪声项,再基于BiLSTM强大的学习能力对GNSS信号进行训练建模。结果表明,BiLSTM+VMD模型能充分挖掘信号的时频域特征,提高信号重构的精度和稳定性,GNSS N、E、U三分量重构结果均方根误差(Root Mean Squared Error,RMSE)都表现出不同程度的降低,尤其水平方向效果更为显著,相比EMD与VMD方法,E方向离散度分别降低了61%和19%,N方向离散度分别降低了20%和14%。这为GNSS观测时间序列中信号提取与模型参数估计提供了一个有价值的模型。

基于CT扫描数据的黄鳍金枪鱼鱼体三维重构

为研究鱼类分类与其内部结构,实验利用X射线计算机断层(CT)扫描技术对黄鳍金枪鱼鱼体进行扫描,通过医学影像软件Mimics (MIS_Research_21.0)对CT扫描数据进行处理,对黄鳍金枪鱼的骨骼、鳔和肌肉进行三维重构并测定了相应部分的体积和表面积。结果显示:(1) CT扫描可获得清晰的黄鳍金枪鱼骨骼、肌肉和鳔的影像;(2)医学影像软件Mimics可计算出黄鳍金枪鱼的骨骼、鳔和肌肉的体积和表面积,其体积分别占鱼体体积的7.76%、0.88%和91.36%,表面积分别占鱼体表面积的29.52%、0.74%和69.74%。研究表明:(1)使用X射线CT扫描技术是目前对鱼类损伤较小、鱼体骨骼、鳔和肌肉成像最便捷、最直观的方法;(2)医学影像软件Mimics可用于鱼体三维重构、计算鱼类骨骼、鳔和肌肉的体积和表面积;(3) CT扫描可用于鱼类学、鱼病学和鱼类声学回波强度的深入研究。实验可为鱼类学、鱼病学和鱼类声学回波强度等的深入研究提供参考。

压缩感知字典迁移重构的小样本轴承故障诊断

针对实际应用中智能轴承故障诊断面临标签样本严重不足的问题,提出一种结合压缩感知、字典学习和迁移的数据增强算法,用于小样本故障诊断研究。首先,利用源域标签数据通过小波包字典学习和优化方法生成特定源域字典,并得到共享表示系数,获取故障内在信息;之后采用少量目标域信号微调共享表示系数,并更新源域字典生成迁移字典;最后通过共享表示系数和迁移字典生成大量具有目标域特征的新样本,实现数据增强。采用常用的深度故障诊断网络对该数据增强算法进行了诊断性能验证,结果表明该方法产生的信号具有故障的有效信息,用于模型训练和识别能够取得较好的诊断性能。该方法为小样本故障诊断问题提出了新的思路。

基于人工蜂群算法的温差发电阵列最优重构方法

在新能源发电技术快速发展的背景下,温差发电(TEG)技术能够很好地利用新能源发电中产生的废热.然而,温度分布的变化会使得TEG阵列的输出特性恶化、发电效率降低.提出基于人工蜂群(ABC)算法的TEG阵列重构方法,在3种不同温度分布情况下,利用ABC在对称9×9和不对称10×15两种TEG阵列进行动态重构.将所提算法与遗传算法、粒子群优化算法和秃鹰搜索优化算法3种启发式算法作对比,并给出由ABC重构后的TEG阵列温度分布图.结果表明:ABC能够提高TEG阵列的输出功率,输出功率-电压曲线均趋向呈现出单个峰值.此外,利用基于RTLAB平台上的硬件在环实验验证了硬件可行性.

基于水合物层骨架重构的低温早强胶凝材料

针对于天然气水合物能源试采过程中出砂导致试采作业被迫终止的问题,在水合物第2次试采工作经验和层内加固、防砂理论的基础上,进行了水合物层骨架重构的低温早强胶凝材料体系构建研究。该研究对比了嘉华G级、超细水泥和早强水泥的低温早期强度和长期长度、粒径分布,基于满足层内加固骨架重构孔隙尺寸,进行了低温早强胶凝材料组分设计,以水泥浆流动度、早强性及成本为目标,尽可能提高固结体的早期强度,为后续增渗提供更多强度下降空间。通过研究超细油井水泥与嘉华G级水泥的配比、早强剂优选及加量优化,构建出了低温早强胶凝材料体系,该体系在15℃水浴下24 h抗压强度可达到12.86 MPa,具有良好的流动性、稠化时间和失水可控性,相较于文献的低温早强水泥浆体系具有更好的增渗高强特性。该研究为后续研究水合物层内骨架重构高渗透、高强度的工作液体系奠定了材料基础。

苦瓜总皂苷通过NRG-1/ErbB通路干预高血压心力衰竭大鼠心肌重构和纤维化

目的:探究苦瓜总皂苷(MCS)通过神经调节蛋白-1(NRG-1)/红细胞白血病病毒癌基因同源物(ErbB)通路干预高血压心力衰竭(HF)大鼠心肌重构和纤维化的机制。方法:40只大鼠分为对照组、模型组、低剂量MCS组和高剂量MCS组(各10只)。通过高盐饮食构建高血压HF模型。通过灌胃MCS进行干预(20 mg/kg和40 mg/kg,6周)。检测各组收缩压和心功能指标。HE染色、Masson染色和TUNEL染色分析MCS对高血压HF大鼠心肌损伤、纤维化和凋亡的影响。并比较各组心肌组织中NRG-1/ErbB通路mRNA和蛋白的表达量。结果:干预后,模型组的收缩压、LVEDP、Masson染色面积百分比(CVF)(7.94±0.82)%和凋亡指数(26.48±3.67)%显著高于对照组,而LVESP、±dp/dt_(max)、NRG-1和ErbB mRNA和蛋白水平显著低于对照组(P均=0.001)。低剂量MCS组和高剂量MCS组的收缩压、LVEDP、CVF[(5.26±0.51)%,(4.04±0.39)%]和凋亡指数[(17.35±2.01)%,(10.86±1.24)%]均显著低于模型组(P<0.05或<0.01),且高剂量MCS组的显著低于低剂量MCS组(P<0.05或<0.01)。低剂量MCS组和高剂量MCS组的LVESP、±dp/dt_(max)、NRG-1和ErbB mRNA和蛋白水平显著高于模型组(P<0.05或<0.01),且高剂量MCS组的显著高于低剂量MCS组(P<0.05或<0.01)。结论:MCS可能通过剂量依赖性地诱导NRG-1/ErbB通路抑制心肌细胞凋亡和纤维化,从而延缓高血压HF进展。

面向边缘计算的可重构CNN协处理器研究与设计

随着深度学习技术的发展,卷积神经网络模型的参数量和计算量急剧增加,极大提高了卷积神经网络算法在边缘侧设备的部署成本。因此,为了降低卷积神经网络算法在边缘侧设备上的部署难度,减小推理时延和能耗开销,该文提出一种面向边缘计算的可重构CNN协处理器结构。基于按通道处理的数据流模式,提出的两级分布式存储方案解决了片上大规模的数据搬移和重构运算时PE单元间的大量数据移动导致的功耗开销和性能下降的问题;为了避免加速阵列中复杂的数据互联网络传播机制,降低控制的复杂度,该文提出一种灵活的本地访存机制和基于地址转换的填充机制,使得协处理器能够灵活实现任意规格的常规卷积、深度可分离卷积、池化和全连接运算,提升了硬件架构的灵活性。本文提出的协处理器包含256个PE运算单元和176 kB的片上私有存储器,在55 nm TT Corner(25°C,1.2 V)的CMOS工艺下进行逻辑综合和布局布线,最高时钟频率能够达到328 MHz,实现面积为4.41 mm^(2)。在320 MHz的工作频率下,该协处理器峰值运算性能为163.8 GOPs,面积效率为37.14GOPs/mm^(2),完成LeNet-5和MobileNet网络的能效分别为210.7 GOPs/W和340.08 GOPs/W,能够满足边缘智能计算场景下的能效和性能需求。

修正-联合正则化的冲击载荷识别与响应重构

针对传统结构响应重构中正则化方法对冲击载荷峰值识别精度低、非加载区识别结果振荡且识别精度易受噪声干扰等问题,提出基于修正-联合正则化的冲击载荷识别与结构响应重构方法.基于状态空间模型,推导冲击载荷及结构响应的重构方程.对测量响应降噪,利用降噪后响应与识别响应的差值修正L2正则化解.联合L1正则化解的稀疏性优势,在保证冲击载荷非加载区域识别稳定的同时,获得更高精度的峰值识别结果,实现结构动态响应的重构.通过数值和实验案例验证了所提方法的有效性,对比了传递矩阵法和粒子滤波法的响应重构效果.结果表明,所提方法具有良好的抗噪性,能够较准确地识别冲击载荷,有效地重构结构动态响应.

基于RGB-D双目视觉的苗期玉米三维模型重构方法研究

以玉米幼苗为对象,研究基于RGB-D双目视觉的苗期玉米三维模型重构方法,实现了部分重构参数的优化。首先,针对目标进行固定步距角环绕图像采集,依据RGB图像中目标区域分割结果,对深度图像进行目标区域深度数据分割,并采用改进后的均值滤波对苗期玉米区域内深度数据孔洞进行自适应填充;其次,针对苗期玉米各角度的深度点云数据,采用先粗后精完成多角度点云配准与融合;最后,对比两种体素精简方法对点云的精简平滑效果,实现苗期玉米三维模型的重构。通过试验对比步距角对苗期玉米模型的重构效率与精度,结果表明:采用八叉树滤波精简效果较好,60°步距角建模误差最小,重构的模型与苗期玉米株高精度误差为4.4 mm,茎粗平均精度误差为0.62 mm,能满足苗期玉米的三维重构形态测量需求。

基于串并行双分支网络的冲击波信号重构方法

通过有限测点数据重建冲击波场内压力分布、通过残缺数据重构完整的冲击波压力曲线,对武器威力以及目标毁伤评估具有重要价值。针对爆炸冲击波信号重构问题,建立Res-GRU分支以串行方式捕捉冲击波超压信号局部时序依赖关系;建立Transformer分支以并行方式分析信号全局潜在特征;建立特征融合单元进行高阶特征融合,实现不同阶段信息逐层互补;进而构建了基于门控循环单元(gated recurrent unit,GRU)和Transformer模型的串并行双分支网络(G-TNet)。试验研究表明:G-TNet综合考量了信号的时序关系、数据变化规律等特征信息;在基于有限测点数据的冲击波场压力分布重构试验中,重建的模拟、实测超压数据与原始值之间均方误差(mean square error,MSE)分别为5.0×10^(-6)、1.2×10-3,平均峰值误差分别为0.49%、27.01%,平均正压时间误差分别为15.62%、15.91%,平均比冲量误差分别为17.66%、19.33%;在基于残缺数据的冲击波压力曲线重构试验中,重构的模拟、实测信号的缺失值与原始值之间MSE分别为5.0×10^(-6)和5.0×10^(-4),平均绝对误差(mean absolute error,MAE)分别为0.0010和0.0171;G-TNet重构结果优于主流方法,满足爆炸冲击波压力重构指标要求。