复杂全球化场景中的社会个体身份认同变迁——兼谈非国家行为主体兴起时代的国家认同重塑

当前的全球化发展既有时间趋势上的“东升西降”“逆全球化”与“再全球化”并存,也有地理空间上的多主体与多中心的竞争,展现日益复杂的图景。这种态势不仅对民族国家构成挑战,还深刻影响社会个体的身份认同。随着超国家、跨国家和次国家政治集团、经济组织、文化团体在世界范围内的涌现,非国家行为主体也成为与国家争夺社会个体身份认同的重要力量。社会个体除被国家赋予的国民身份之外,还被超国家、跨国家和次国家行为主体赋予其他诸多身份。由此,个体身份认同出现从国家向超国家、跨国家、次国家等行为主体迁移扩散的趋势。为重塑社会个体的国家认同,民族国家需要进行全面自我审视调整,从经济、政治和文化等方面进行主体性建设,在增强综合国力的同时巩固国家认同基础,以便在复杂全球化场景中保持自身对社会个体的权威性和影响力。

基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法

针对自然环境下柑橘果实机械化采收作业环境复杂和果实状态多样等情况,提出了一种多通道信息融合网络——YOLO v5-citrus,以解决柑橘果实识别精准度低、果实分类模糊和定位精准度低等难题。将不同的柑橘目标通过不同遮挡条件分为“可采摘”和“难采摘”两类,这种分类策略可指导机器人在真实果园中顺序摘取,提高采摘效率并减少机器人本体和末端执行器损坏率。YOLO v5-citrus中,在颈部网络插入多通道信息融合模块,对柑橘的深浅特征信息进行处理,提高柑橘采摘状态识别精度,同时修改颈部网络拼接方法,针对目标柑橘大小进行识别,训练后在识别部分嵌入聚类算法模块,将训练部分识别模糊的柑橘目标进行最后区分。识别后进行深度图像和彩色图像的像素对齐,并通过坐标系转换获取柑橘目标三维坐标。在使用多种增强技术处理的数据集中,YOLO v5-citrus比原始YOLO v5在平均精度均值和精确率上分别提高2.8个百分点与3.7个百分点,表现出更优异的泛化能力。与YOLO v7和YOLO v8等其他主流网络架构相比较,保持了更高的检测精度和更快的检测速度。通过真实果园的检测与定位试验,得到柑橘目标的三维坐标识别定位系统的定位误差为(1.97 mm,0.36 mm,9.63 mm),满足末端执行器的抓取条件。试验结果表明,该模型具有较强的鲁棒性,满足复杂环境下柑橘状态识别要求,可为柑橘园机械采收设备提供技术支持。

考虑复杂扰动的轻型商用车路径跟踪混合控制方法

外界扰动、模型不确定性和参数摄动等复杂扰动直接影响智能车辆路径跟踪控制的精度和行驶安全性。商用车的载重特性使其在行驶过程中受到的复杂扰动更为明显,为提升自动驾驶商用车路径跟踪精度和平顺性,提出一种路径跟踪混合控制方法。首先,建立鲁棒性强的基于扩张观测器的滑模控制器和变化平稳的增量式LQR控制器,其中增量式LQR的参数使用粒子群算法整定。然后,使用模糊控制器将两者相结合,根据车速和横向误差调整权重系数,在提升系统鲁棒性的同时削弱抖振。最后,进行了仿真分析和实车试验。试验数据表明,SMC+LQR具备较好的控制效果,能应对外界的复杂扰动。

基于子空间辨识方法的建筑群热负荷预测研究

根据建筑热力模型和热负荷计算模型建立了状态空间模型,分别利用未指定状态变量和指定状态变量的子空间辨识方法构建了建筑群热负荷预测模型,并以哈尔滨市某小区换热站为例,验证和比较了2种方法的热负荷预测结果及训练策略和预测时长对预测精度的影响。结果表明:指定状态变量比未指定状态变量的子空间辨识方法的热负荷预测平均绝对百分比误差降低了10.00%;未指定状态变量的子空间辨识方法的中期预测效果优于短期预测,平均绝对百分比误差降低了13.34%。

基于动态基准的低复杂度特种车辆行驶调平控制方法

针对特种车辆行驶调平问题,提出基于动态基准的低复杂度控制方法。整车被分解为由作动器驱动的带有相互耦合特性的悬架节点。建立悬架节点动力学模型,将基于整车行驶动力学模型的位姿混合控制问题,转换为基于全驱型悬架节点动力学模型的单纯位移控制问题。提出并构建动态基准和基准误差,解决现有方法对车身铅垂高依赖和限制的技术瓶颈,同时提高车辆的通过性能。建立基于基准误差的扩张状态观测器,实现动态解耦,并提出一种低复杂度行驶调平控制方法。借助汽车系统仿真软件Carsim验证该方法的有效性。结果表明:与经典基于常值基准的整车型控制方法对比,在所提出方法作用下,车辆的行驶调平精度提高了一个数量级;特别是在路面激励幅度超过作动器行程的工况下,车辆的舒适性和安全性尤为改善。

单一菌与复合菌发酵甘草渣产有机酸能力比较

为研究单一菌与复合益生菌对甘草渣发酵饲料品质的影响,试验以甘草渣为基础原料,与麸皮、豆粕、糖蜜复配,在此基础上以单菌(植物乳杆菌、酿酒酵母)和复合菌(植物乳杆菌、酿酒酵母、枯草芽孢杆菌)为发酵剂,借助食品检测中的碱滴定法,测定发酵饲料中的总酸含量,通过比较发酵饲料总酸含量及pH结合感官评价,衡量发酵饲料的品质。结果表明:(1)单菌在不同碳氮比条件下发酵,碳氮比为30时生成有机酸含量较碳氮比为25提高了2.8倍。(2)单菌发酵第7天时有机酸含量达到最高值,且pH在发酵第7天时达到最低值。(3)复合益生菌发酵组(E组、F组)与单菌酿酒酵母组(B组)比较甘草渣发酵饲料中有机酸生成量分别提高了52%、52.48%。由此可见,复合益生菌(植物乳杆菌、酿酒酵母、枯草芽孢杆菌)有利于促进甘草渣饲料发酵,无论是气味还是有机酸生成量均比单一菌株甘草渣发酵更优,甘草渣有成为发酵饲料的潜在价值。

秸秆降解复合菌系的鉴定及其菌剂应用效果

[目的]防止秸秆资源浪费,解决秸秆降解问题,探究微生物降解条件下秸秆降解效率。[方法]通过富集驯化培养,从腐熟好的秸秆堆肥中筛选具有降解能力的菌株,构建出具有降解能力的复合菌系ZM-10,对其进行16S rDNA测序,确定系统发育地位。以液体摇瓶发酵产滤纸酶活性(FPA)变化为评价依据,设置单因素试验优化复合菌系ZM-10的产纤维素酶条件及固态菌剂发酵条件,制备出降解效率最佳的发酵菌剂,用于小白菜盆栽试验。[结果]组成复合菌系ZM-10的菌株分别为枸橼酸杆菌(Citrobacter cronae)、芽孢杆菌属(Bacillus velezensis)、台湾假单胞菌(Pseudomonas taiwanensis)、臭苣苔属菌(Myroides odoratus)、克雷伯氏菌属(Klebsiella sp.)。复合菌系ZM-10固态最佳发酵条件包括:培养基配方为玉米秸秆粉4.00 g、麦麸2.67 g、花生片粉2.67 g、豆粕2.67 g,最佳外加碳源为0.3%乳糖,最佳外加氮源为0.3%蛋白胨,最适培养条件为接种量24%、干燥温度60℃、发酵时间6 d,固态菌剂最适载体为生物炭,最佳负载量m(生物炭)∶m(复合菌液)为1∶1.375。盆栽试验表明,施用复合菌剂的处理下小白菜的株高、叶面积、根冠比、Vc含量、可溶性固形物含量等指标均高于对照。[结论]本试验成功构建了高效降解秸秆的复合菌系ZM-10及菌剂,并验证了菌剂对小白菜生长发育的积极影响,为解决秸秆资源浪费和作物生产效率提供了新思路。

基于时滞测量的复杂网络分布式状态估计研究

研究一类存在一步随机时滞的复杂网络分布式状态估计问题,采用伯努利随机变量刻画测量值的随机时滞情况.基于复杂网络模型和不可靠测量值,分别设计复杂网络的状态预测器和分布式状态估计器,基于杨氏不等式消除节点之间的耦合项,通过优化杨氏不等式引进的参数,优化状态预测协方差.通过设计估计器增益,获得状态估计误差协方差,同时结合预测误差协方差,获得状态估计误差协方差的迭代公式,并给出估计误差协方差稳定的充分条件.最后,对由小车组成的耦合系统进行数值仿真,验证所设计估计器的有效性.

基于4,4′-联吡啶配体金属锌配合物的制备及性能研究

采用溶剂热合成法制得[Zn(ipa)(4,4′-bipy)·H_(2)O]_(n)(1).实验以六水合硝酸锌Zn(NO_(3))_(2)·6H_(2)O、间苯二甲酸(H_(2)ipa)、DMF(N,N′-二甲基甲酰胺)、4,4′-联吡啶(4,4′-bpy)为原料(ipa^(2-)=间苯二甲酸根,bipy=联吡啶),在溶剂热条件下合成金属锌配合物1.采用单晶X-射线衍射法、荧光光谱分析法(FL)、粉末X射线衍射(PX R D)、红外光谱法(FT-IR)和热重分析法(T GA)对其结构测定和表征.在配合物1中,Zn(Ⅱ)与4,4′-联吡啶的N原子和ipa^(2-)阴离子的羧基O原子形成六配位的扭曲的八面体结构,进一步扩展形成具有孔道的三维Zn(Ⅱ)金属有机框架(MOF),H_(2)O分子在孔道中.室温下荧光光谱分析表明,当激发波长为365nm时,配合物1在458.6nm处具有最强的发射峰.

男性运动员睡眠障碍的神经机制探究:基于复杂网络模型

目的:通过使用无目标不加权及目标加权的复杂网络模型方法,分析睡眠障碍运动员睡前神经机能状态与睡眠质量的复杂作用方式,揭示运动员发生睡眠障碍的神经机能状态特征。方法:在睡眠实验室内使用多导睡眠仪监测14名男性睡眠障碍运动员4晚完整睡眠,并在睡前使用便携式脑电仪、超慢波涨落潮技术、Polar H10心率胸带和心境状态量表,分别测试或评估中枢机能状态、脑内神经递质水平、自主神经状态以及情绪状态。基于测试数据分别建立无目标不加权,以及以睡眠质量为目标的加权复杂网络模型。结果:1)无目标不加权的复杂网络模型中,介数中心性结果提示,慌乱、精力和愤怒情绪、α抑制%、去甲肾上腺素(NE)和多巴胺、相邻窦性R-R间期差值大于50 ms所占百分比(PNN50)、平均R-R间隔、平均心率(MHR)和睡眠总时间是此网络的关键影响节点。特征向量中心性分析结果显示,上述指标中除PNN50、NE和MHR外,抑郁、紧张和疲劳情绪与其他指标仍是网络的重要连接节点。2)在以睡眠质量为目标的加权复杂网络模型中,目标介数中心性结果发现,情绪状态在到达睡眠质量指标的最短路径中出现频率最高(48.57%),其次神经递质和睡眠指标频率相同(14.29%),而中枢神经机能状态和自主神经状态出现的频率最低(11.43%)。目标特征向量中心性结果表明,情绪状态成为影响睡眠质量最重要的影响因素,出现频率为82.86%,其次是自主神经状态出现频率为8.57%,而中枢神经机能状态、神经递质和睡眠指标出现频率相同(2.86%)。结论:运动员睡眠障碍的主要表现为总时长短,睡眠期间觉醒时间长导致睡眠效率低。复杂网络模型方法揭示了情绪(主要为消极情绪)是睡眠质量低和睡眠障碍发生的主要影响节点和关键因素,其中愤怒、慌乱情绪与脑内神经递质(5-HT和DA)、中枢疲劳程度相关,中枢疲劳程度和自主神经协调性与精力状态相关。

基于改进YOLOv5的田间大豆花朵生长状态识别方法研究

为判断大豆开花时期落花情况,对田间大豆花朵在花蕾、半开、全开、凋落四类生长状态下进行精准检测。基于YOLOv5检测模型,对主干Bottleneck CSP结构进行修改,减少模块数量来保留更多浅层特征,增强特征表达能力,在骨干网络中引入CA注意机制,以获得位置信息,协助模型更加准确地识别,并修改锚箱尺寸提高小目标花蕾精准识别,在自建的田间大豆花朵不同生长状态数据集上进行改进YOLOv5算法对比试验。结果表明:大豆开花时期花朵不同生长状态识别模型准确率达到93.4%,召回率达到91.4%,对比原模型准确率、召回率分别提高0.8%和2.1%。

求索大脑智慧本质,照亮类脑智能之路

宇宙创生→生命爆发→智能演生→人工智能,这是一条演化的历史长河。时代在问,脑与心智从哪里来,将到哪里去?人工智能的前途和命运是怎样的?人类文明的前途和命运是怎样的?大脑智能和人工智能怎样才能相互照亮?是否有不依赖于大数据、大算力和大模型的智能路线?人工智能可否通过完全不同于生物进化的另一条道路通向“心智”?脑智创造力如何演化为新质生产力?这些问题的核心仍然是人类大脑在整体上是怎样工作的?本文将从微观—介观—宏观—宇观的尺度上来勾勒一幅复杂性与简约性辩证统一的图景。

基于复矢量及HSS的MMC交直流侧阻抗建模

模块化多电平换流器(modular multilevel converter,MMC)具有运行稳定、控制多样化等优点,对其精确建模成为当前研究热点。提出了一种基于复矢量的MMC交直流侧阻抗建模方法。该方法根据复矢量建模的基本原理分析了换流器的正负序转换关系,并在考虑三相耦合的前提下,从差共模角度简述了三相MMC的建模要点,建立了三相系统的完整时域模型。引入谐波状态空间理论(harmonic state space,HSS)对所建模型进行处理来提高建模精度,并利用接口矩阵及阻抗求解的基本原理建立了MMC的交直流侧阻抗模型。最后在仿真平台进行了对比实验,证实了建模方法的可行性。

复杂工况条件下齿轮传动过程中磨损量预测研究

磨损是齿轮传动过程中的主要失效形式,磨损加剧会使齿轮齿侧间隙非线性增大、传动精度下降及齿面冲击力增大,进而导致齿轮传动系统振动加剧,对齿轮传动性能及设备的稳定运行造成重大影响。为了解决上述问题,提出了复杂工况条件下齿轮传动过程中磨损量预测方法。基于形式磨损指数识别并判定齿轮磨损状态,通过深入分析齿轮磨损机制并以此为基础,绘制典型齿轮磨损过程曲线,计算齿轮传动摩擦力矩数值,构建了齿轮磨损量数学模型;再将已知齿轮状态数值输入至所构建模型中,即可得出齿轮预测磨损量,实现齿轮磨损量的预测。试验结果表明,在3种复杂工况条件下,提出的预测模拟数据更接近于实际参数,验证了磨损量预测的精度。

面向复杂装备集成系统的瞬态产能算法

复杂装备的集成过程是装配产业链的核心关键环节,实时准确获取产能信息是提升复杂产品集成系统数智能力的关键技术方法。为实时准确计算复杂装备集成在脉动生产模式下的瞬态生产能力,提出一种面向数智化场景应用的复杂装备集成系统瞬态生产能力计算方法。首先,将复杂装备集成过程视为一个复杂系统进行全面分析,构建复杂装备集成系统模型;其次,基于产能需求和脉动节拍进行装配单元计算,并分别计算安装单元和测试单元的生产能力;最后,从复杂装备集成系统的全局,考虑复杂装备集成生产线相关实际关键因素,整合计算复杂装备集成系统的瞬态生产能力。结合实例分析验证了算法对复杂装备集成系统的适用性和有效性,并对比验证了算法的求解精度。

具有双储层结构的动态误差补偿回声状态网络

针对传统回声状态网络难以有效应对高阶非线性复杂模型问题,本文在理论分析的基础上提出了一种双储层结构的误差补偿回声状态网络,并设计了该网络的学习算法.该网络由计算层和补偿层构成,计算层主要承担拟合任务,补偿层则作为状态跟随器,实时补偿由于计算层对期望方差估计不足而导致的幅值偏差.对多阶振荡器和真实高阶非线性数据集的实验结果表明,本文所提网络结构较常规网络具有更高的稳定性和泛化性能,尤其对高阶非线性复杂模型的预测精度大幅度提升.

状态轮询和事件驱动的软件状态机设计优化

状态机设计的灵活性在给开发人员带来高效与便利的同时,也带来三类较典型的问题:由于状态逻辑和时序依存导致的输出错误,由于历史数据缓存导致的状态机计算量庞大的问题,以及由于状态跃迁耦合导致的输出不可控问题。目前这三类问题在软件详细设计和编码中仍然存在。在状态机功能不改变、在有限状态机设计约束条件下从时间复杂度和圈复杂度两个维度对状态机进行等价转换,即将原状态和判定条件进行合并或拆分,根据元模型定义对拆分或合并后的状态进行重组,添加跃迁条件,提出优化的一般性过程。进而针对三类典型问题给出优化算法,用同一算法分别对优化前后的状态机进行测试,并从时间复杂度和圈复杂度两方面验证了优化算法的可行性。该研究的实用价值在于为实时控制和安全苛求系统软件设计或重构提供了一种优化的方法。

细粒度状态驱动的离散车间动态瓶颈识别方法

针对当前瓶颈识别方法难以动态、及时、准确地响应离散制造过程的问题,结合图式推演建模方法,提出事件-数据混合驱动的资源细粒度状态监测方法(EDH),以实时识别离散制造过程中的动态瓶颈。首先,通过制造物联技术和复杂事件处理技术获取并处理复杂多变的制造过程实时信息,通过信号渐变模型提高实时位置信息的准确性;在此基础上,对制造资源的状态数据进行细粒度聚类,提出改进的数据分析算法(IFGCM)提高聚类的准确性;最后,结合建立的状态时序流图式模型和动态瓶颈识别方法实时感知制造资源瓶颈。通过在某电梯零部件制造车间的实际应用,验证了其有效性。

基于声纹识别技术的变压器异常状态自动诊断方法

为使监测主机在变压器设备发生异常运行时能够发出预警,实现对变压器异常状态的精准诊断,设计基于声纹识别技术的变压器异常状态自动诊断方法。按照声纹识别技术应用原理,提取变压器异常运转情况下的时域特征、频域特征与梅尔倒谱特征,根据变压器指标权重的赋值结果,计算频率复杂度参量的取值范围,联合相关变量指标,求解频谱能量分布指数表达式,完成基于声纹识别技术的变压器异常状态自动诊断方法的设计。对比实验结果表明,在上述诊断方法作用下,变压器出现异常运行状态时,电压有效值始终不会超过预设警戒值,二者差值也始终小于5.0V,符合及时预警并精准诊断的实际应用需求。

高维AdS黑洞的约化保真率/全息子区域复杂度对偶

为阐述约化保真率/全息子区域复杂度对偶在更高维情形下的推广,通过几何计算和场理论计算分析高维AdS黑洞热场双态的约化保真率(RFS)、全息子区域复杂度(HC)和热力学体积之间的相关性,推导出RFS/HC的对偶关系,进一步验证RFS/HC对偶猜想在高维时空中的黑洞系统和量子系统中的适用性和有效性,阐明任一局部区域的各子系统都与整个系统具有关联映射的全息关系。