Neutronics Optimization of LiPb-He Dual-Cooled Fuel Breeding Blanket for the Fusion-Driven sub-critical System

The concept of the liquid Li17Pb83 and Helium gas dual-cooled Fuel Breeding Blanket (FBB) for the Fusion-Driven sub-critical System (FDS) is presented and analyzed. Taking self-sustaining tritium (TBR >1.05) and annual output of 100 kg or more fissile 239Pu (FBR > 0.238) as objective parameters, and based on the three-dimensional Monte Carlo neutron-photon transport code MCNP/4A, a neutronics-optimizated calculation of different cases was carried out and the concept is proved feasible. In addition, the total breeding ratio ( BR = TBR + FBR ) is listed corresponding to different cases.

数智时代的信息分析方法:数据驱动、知识驱动及融合驱动

数智时代,面对大数据、大知识所带来的挑战,如何创新发展信息分析方法,关乎新时代信息分析工作的开展,关乎数据资源的开发利用。本文在梳理现有信息分析方法的基础上,提出数据驱动、知识驱动,以及数据与知识融合驱动的三种数智型方法思路。首先,提出基于文本、网络、音频、图像等的数据驱动以及与之相应的文本挖掘、图挖掘、音频挖掘、图像挖掘等信息分析模式;其次,提出基于专家知识库、通用知识库、领域知识图谱、通用知识图谱等的知识驱动信息分析模式;最后,提出基于特征、模型、决策三种层面的数据与知识融合驱动的信息分析模式。通过以上三种方法,构建能够系统融合大数据、大知识的信息分析方法,实现数智融合型信息分析,促进图书情报学科方法论发展,赋能国家决策和社会治理。图3。表1。参考文献59。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

知识及数据驱动的电力一次设备健康管理方法综述

电力系统规模逐年扩大,其供电可靠性要求越来越高。基于电力设备机理、监测数据,利用知识、数据驱动及其融合驱动方法进行电力一次设备健康管理,是一种提高供电可靠性、降低运维成本的可行途径。文中对知识、数据驱动及其融合驱动的电力一次设备健康管理方法进行综述。首先,概述知识、数据驱动及其融合驱动的关键技术;然后,分别从电力一次设备的图像识别、状态量感知与故障诊断、状态评估与运行维护3个应用场景,对3种驱动方法的研究现状进行了详细梳理;最后,从硬件条件、数据来源、知识模型构建等方面,对3种驱动方法在电力设备健康管理中的应用难点进行总结,并对未来发展给出建议。

一种Wi-Fi RTT/数据驱动惯性导航行人室内定位方法

为了研究基于智能手机的行人室内定位方法,并提高其精度,本文提出了一种基于Wi-Fi往返时间(RTT)、惯性测量单元(IMU)的定位系统。该方法主要包括3部分:(1)使用扩展卡尔曼滤波融合测距信息的Wi-Fi RTT室内定位方法;(2)适用于多手机使用模式的航位推算方法,该方法基于长短时记忆模型(LSTM)建立神经网络模型,预测行人运动速度及航向;(3)基于误差状态卡尔曼滤波的Wi-Fi RTT/数据驱动惯性导航融合定位方法,进一步提高定位精度。试验结果表明,与单一的基于Wi-Fi RTT方法和数据驱动惯性导航方法相比,本文方法的平均定位精度提升了10%~20%。

基于数据驱动的分布式光伏发电功率预测方法研究进展

从综述的角度,以分布式光伏系统为对象,分析了功率预测技术的发展情况、存在的难点以及主要影响因素,梳理了应用数据驱动方法实现功率准确预测的技术路线。再以空间相关性、历史出力功率以及气象等影响因素为切入点,梳理了光伏系统数据驱动的功率预测研究现状,分析其相应的数据增强、时空图信息以及特征融合的手段,讨论了技术的优缺点。最后给出了功率预测数据驱动方法研究方向和发展建议。

数字孪生体育场馆的体系架构、现实障碍与推进路径

数字孪生技术为体育场馆智慧化转型升级提供了新思路。研究采用文献研读、实地调研、专家访谈等方法,在“数字孪生”概念认识基础上,对数字孪生体育场馆的体系架构、运行机理以及现实困境和推进路径等问题进行了研究。认为:数字孪生体育场馆具有数据驱动、精准映射、虚实交互等6大特征,包括基础设施层、数据层、模型层等体系架构,其价值主要体现在:满足用户需求、降低运营成本和风险、形成新业态等方面,并从思维革新、功能重塑、体系再造等3个层面阐述了数字孪生体育场馆的运行机理。指出当前我国数字孪生体育场馆建设面临以人为本理念缺失、技术瓶颈突破乏力、制度约束监管不畅等现实困境,并据此提出推进路径:坚持以人为本理念,推进体育场馆服务场景化定制、加大资金投入,重视数字孪生体育场馆技术的研发和创新、加强制度保障,制定数字孪生体育场馆标准化体系、推动多方协同,促进数字孪生体育场馆建设可持续、强化跨学科人才队伍建设和国际交流合作。

主动配电网态势感知技术研究综述与展望

随着分布式电源以及多元化负荷大规模接入,传统无源配电网逐步转化为有源配电网,配电网的故障种类愈发多样化,工作环境、工作状况与拓扑结构日趋复杂。主动配电网更需通过精进、高效的态势感知技术提高系统运行决策的及时性和准确性,准确预测系统潜在风险。文中阐述了主动配电网中态势感知技术的意义与概念,构建了其基本构架,并对态势觉察、态势理解与态势预测的研究进程、研究难点和未来研究方向进行了详细梳理与总结。

基于Q学习加权融合的无模型自适应参数寻优

无模型自适应控制算法作为一种数据驱动算法,具有计算量小,无需系统精确模型,易于实现等特点。为使传统无模型自适应控制算法具有更好的控制性能,提出了一种使用Q学习对控制参数进行优化的改进无模型自适应控制方法。在此基础上,采用加权融合的方式对伪偏导数的取值优化,使其具有更好的鲁棒性。然后采用跟踪-微分器对输出数据进行滤波处理,并通过仿真进行上述方法的可行性验证。仿真结果表明,对比传统无模型自适应控制,上述方法更具有良好的控制性能和响应速度。

变电站数字孪生框架构建与关键技术研究

在工业5.0的背景下,数字孪生作为一项重要的数字技术,在提升电力系统感知、决策及控制能力方面具有潜在的巨大价值。然而,该项技术相关研究与应用还处于发展阶段,亟需突破适应电力行业特殊性的数字孪生关键技术。通过调研分析数字孪生变电站发展现状,文中系统总结了变电站数字孪生技术面临的主要问题与挑战,针对性地提出了数字孪生支撑数字化变电站转型的总体技术路线——“挖掘典型场景、规范系统架构、推进数据融合、建立评估模型”,分析了变电站数字孪生关键技术及预期成效,有望在数字化交付、智能巡检、辅助决策、风险管控等方面推进数字化变电站深入转型。

未知复杂环境下基于兴趣驱动的类脑自主导航技术

随着无人系统的应用越发广泛,传统导航技术很难满足无人系统在面对复杂任务和未知环境时对自主智能导航性能的要求。哺乳动物能够在兴趣驱动下实现高效智能且自适应环境的导航行为,受此启发的基于兴趣驱动的类脑自主导航技术有潜力克服传统导航实时、准确和低功耗不能同时满足的缺点。本文首先阐述了哺乳动物大脑导航机理;其次,总结概括出基于兴趣驱动的类脑自主导航技术框架;再次,从自身感知、环境认知、记忆推理和兴趣决策4个方面梳理了类脑自主导航的关键技术和实现途径,指出了相关研究的缺陷;最后,分析了现阶段类脑自主导航技术的不足,并对未来一体化发展做出展望。

数字孪生消防救援技术系统架构及关键技术分析

为提高消防救援人员安全保障能力,提升救援工作效率,综合运用新一代信息技术,将数字孪生技术应用到消防救援技术中。首先,分析消防救援人员在灭火救援过程中所面临的危险;然后,提出数字孪生消防救援技术的概念内涵,并分析数字孪生消防救援技术的特点,进而提出数字孪生消防救援技术的5层系统架构,以及适合救援过程的系统架构聚合和拓展方法;最后,明确数字孪生消防救援关键技术,主要包括高精度低时延移动定位技术、多层次多视图数字线程技术以及多维度救援数据驱动建模技术等。结果表明:数字孪生消防救援技术能够提高消防救援人员的安全保障能力和救援工作的效率。通过实时数据交互和信息融合,数字孪生消防救援技术全面集成孪生数据,为救援行动提供更精确的决策支持。数字孪生消防救援技术的5层系统架构及关键技术有效连接物理实体与虚拟实体,实现数字孪生体的聚合和拓展,可以为数字孪生消防救援的应用提供有力支撑。

自驱动关节臂坐标测量机轨迹在线控制模型

为了提高自驱动关节臂坐标测量机的控制精度,需要研究其轨迹控制方法,提出基于特征融合的自驱动关节臂坐标测量机轨迹在线控制模型。利用机器人(Denavit Havtenbery,DH)法构建自驱动关节臂坐标测量机的DH模型,对坐标测量机的运动学展开分析,提取多个关节臂坐标测量机的轨迹特征,融合上述特征,获得测量机在工作状态下的轨迹变化情况,最后通过笛卡尔空间根据轨迹特征构建轨迹在线控制模型,完成自驱动关节臂坐标测量机的轨迹控制。实验结果表明,所提方法的关节角度跟踪精度高、轨迹控制误差小。

融合正逆程特征的GRU神经网络关节迟滞特性建模研究

针对未配置负载转矩传感器的低成本轻型工业机器人柔性关节复杂迟滞特性的高精度建模问题,文章以电机驱动电流间接反映负载转矩的变化,采用驱动电流-扭转角之间的关系描述柔性关节迟滞特性,提出了一种融合正、逆程特征的GRU神经网络迟滞模型。将关节迟滞特性中正、逆程特有的特征融入GRU神经网络迟滞模型中,利用基于卡尔曼滤波的电流增量,提取正程和逆程的特征,描述电流-扭转角迟滞特性中正、逆程所表现出的多值特性。将历史预测结果作为新信息输入模型,构造具有记忆能力和非线性映射能力的动态GRU神经网络迟滞模型。实验结果验证了所提出的柔性关节迟滞模型具有良好的预测能力和较高的模型精度。

基于多视觉传感器融合的装配过程质量移动智能检测技术研究

针对航空航天领域大尺寸复杂产品装配过程质量检测过程中检测项目类型多、空间跨度大以及检测环境复杂等问题,提出一种基于多视觉传感器融合的装配过程质量移动智能检测框架。该框架以移动机器人为柔性运动载体,以多视觉传感器融合形成检测单元,可实现复杂产品装配过程质量的自动化、智能化检测。重点分析了基于模型驱动的视点与站位智能规划、基于情境感知的移动机器人自适应数据采集、多源数据融合与装配过程质量综合评定等关键技术,并通过实例验证了所提框架的合理性与有效性。

基于机器视觉方法的诊断设备自动瞄准技术

激光惯性约束聚变实验需要使用数十台套诊断设备从不同方位对瞬态微尺度物理过程进行诊断表征。大部分诊断设备通常需要进入巨型靶室真空环境内,在厘米到米级的不同工作距离上,对聚变靶上面毫米到数十微米的靶标进行瞄准,大部分诊断设备的瞄准精度需要达到50μm水平。双目瞄准方法是在真空环境下实现远距离高精度瞄准的一种重要方法,但目前主要依赖人工判读图像识别靶标和手动操作诊断搭载平台运动实现对靶瞄准,特别是靶室内照明条件或诊断设备瞄准视线存在夹角等条件会严重影响靶标识别效果,对诊断设备瞄准精度造成较大影响。发展了一种基于机器视觉的诊断自动瞄准方法,采用Mask R-CNN算法并以大量模拟瞄准图进行靶标识别训练,有效解决了靶标自动判读问题,对靶标识别误差控制在8个像素点以内;同时基于实验室瞄准测试平台开展了靶标像素偏差与瞄准坐标偏离关系的离线标定,开展了算法引导下的瞄准精度测试,根据测试结果预估指向瞄准精度优于30μm、径向瞄准精度优于50μm,对实现诊断设备的高精度自动瞄准有一定的基础参考价值。

数据—物理融合驱动的含新能源电网短路电流超标评估策略

目前含新能源电网短路电流超标问题日益严重,因其状态变化更快、幅度更大,离线的短路电流超标分析可能无法穷尽超标场景,在线实时分析具有相当的必要性。考虑到主流物理模型计算方法难以满足在线计算速度需求,更快速的计算具有重大意义,因此,提出一种数据—物理融合驱动的短路电流超标评估策略。首先,在分析影响短路电流主要因素的基础上,为了提高计算速度,将原先特征降维为仅考虑负荷的影响,再结合最优潮流及随机模拟生成大量样本集合,通过机器学习算法训练得出数据驱动模型,在此基础上,使用漏检率和误检率对数据模型进行阈值整定;然后,利用数据驱动模型初步筛选短路电流超标场景;最后,通过最新研究中所提理论物理模型对初筛后的短路电流场景进行高精度校验,并在含光伏电源的IEEE 39节点模型上进行验证。仿真结果表明:该策略可在确保不遗漏超标短路电流场景的前提下有效提升校验速度。

“数字思政”的生成背景、基本内涵和实践运用

在教育数字化转型的现实要求下,作为思想政治教育科学化发展的内在选择和高质量发展的重要着力点,“数字思政”被学界广泛关注和研究。“数字思政”是以数字技术为基础对思想政治教育资源进行高效整合利用,在数据要素支撑和驱动下推动思想政治教育有效开展与提质增效,进而实现多维度数字化融入的思想政治教育体系。“数字思政”能够助力提升思想政治教育的针对性和实效性,促进构建完善思想政治教育数字空间,有力推动思想政治教育深层次变革。

过程工业软测量中的多模型融合建模方法

对多模型融合建模方法在过程工业软测量中的研究进展进行了系统总结。根据整体模型中子模型的不同,多模型融合建模方法主要可分成数据驱动融合建模方法和半参数建模方法。详细介绍了数据驱动融合建模方法和半参数建模方法的设计思想和国内外研究现状,分析了各类方法的优缺点,并提出了相应的改进方向。根据过程数据处理方法的不同,将数据驱动融合建模方法分为集成学习和聚类分析。根据模型结构形式的不同,将半参数建模方法分为串联结构和并联结构。最后对多模型融合建模方法的未来研究方向进行了展望,期望今后的研究工作能在改进数据驱动模型融合技术、提高半参数模型外推能力和解决双率数据问题等方面取得突破性进展,并指出采用多模型融合建模方法建立基于多源信息融合的软测量模型是实现过程工业中难测变量在线估计的有效方法。

基于数据驱动的信息融合及其在车辆声辨识中的应用

传统多源信息融合方法大都依赖于事先建立的理论机理模型,一般会引入一定的简化操作。然而实际中的应用往往会较为复杂,建立的理论模型一般存在一定的偏差。在某些情况下,满足性能要求的理论模型甚至无法给出。针对这样的缺陷,该文根据数据驱动的思想,提出了两种基于数据驱动的信息融合实现方法。通过联合利用基于数据的特征集与基于模型的特征集,有效弥补了模型中缺失的信息,从而提高信息融合的性能。将其运用在一个基于声音信息融合的地面车辆辨识实例中,获得了良好的识别性能,展现出将数据驱动处理思路引入信息融合的可行性和优点。