航空发动机两级燃油泵振动特性的影响因素

为了解承受离心、油液扭矩载荷的燃油泵装配体结构振动特性及影响因素,选取某航空发动机两级燃油泵转动部件为分析对象,基于通用有限元软件平台建立两级燃油泵转动部件装配体结构、单个低压级叶轮的三维有限元模型.根据两级燃油泵在最大起飞工作状态下的工作参数,计算出其转动部件受到的离心、油液扭矩载荷,再利用有限元软件计算了转动部件装配体结构、单个低压级叶轮在无外载荷作用下的、只有离心载荷作用的、只有油液扭矩载荷作用的、离心和油液扭矩载荷同时作用的自振频率和振型.通过对计算结果的对比分析,发现了离心载荷、油液扭矩载荷、构造(转动部件装配体或单个零件)因素对两级燃油泵转动部件频率、振型的影响规律,对其他与油液有相互作用的旋转部件振动特性的计算和分析具有重要指导意义.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征。针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的两个方向LSTM分别刻画PM2.5浓度变化趋势性和周期性,然后采用线性回归杂合神经网络来捕捉PM2.5浓度变化的随机性。基于沈阳地区11个监测站2016至2017年空气质量和气象条件数据,本文将DLENN模型分别与自回归移动平均ARIMA模型、支持向量机SVM模型、随机森林RF模型和梯度提升树GBDT集成学习方法进行对比实验,结果表明DLENN预测模型稳定优于其他方法,其预测误差RMSE相对于ARIMA、SVM和集成模型分别下降了9.23%、3.83%、5.49%.     

变革的生产视角——对人工智能政治批判的批判

人工智能作为热点话题吸引了相关学者对其进行政治哲学维度的批判,但其批判依然停留在政治和观念的上层建筑半径之内,并未深入到政治的前提——生产领域。大数据算法作为强人工智能的重要应用,其所得出的非线性结果重塑了人们对于"价值"的理解,并引导一种对于"使用价值"追求的复归。随着边际成本的不断递减,大规模生产逐渐向大众生产转变,这使生产者与消费者之间的对抗性分配关系重组,社会消费力变革的趋势开始出现。产消一体化,即新型工人——"产消者"的大众化成为这一变革的可能性路径。     

多特征全卷积网络的地空通话语音增强方法

为了研究空中交通管理领域中的语音增强问题,并且节约存储资源,提出了一个新的语音增强方法.在基于全卷积神经网络(FCN)的基础上加入了跳跃连接(Skip Connection),并引入次要特征来进行联合学习.具体而言,使用语音的对数功率谱(LPS)作为网络的主要训练特征,引入对数梅尔倒谱系数(L-MFCC)作为网络的次要训练特征,来联合优化网络参数.实验证明,相较于单个LPS特征输入的架构,结合LPS和L-MFCC的多特征网络架构具有更好的语音增强性能表现,且作为次要特征的L-MFCC还可以用作其它用途.实验还证明,跳跃连接的加入可以很好的提高FCN的网络性能,且相较于基线的深度神经网络(DNN)模型,新的网络结构在相同参数数量的情况下,要具有更好的性能.     

环网柜熔断器垂直和水平布置下温度分布特性

环网柜内的熔断器因长时间工作在大电流环境下,其散热能力对于维持自身正常工作性能至关重要。实际运行经验表明,环网柜内熔断器垂直和水平布置时其故障率存在差异。为此研究了在自然对流条件下,环网柜内熔断器垂直和水平布置时的散热过程及差异。首先基于多物理场耦合软件COMSOL,建立了自然对流条件下的环网柜内熔断器流场和温度场直接耦合的三维仿真模型,对两种布置方式下熔断器的流场和温度场进行了仿真计算;并利用温度分布试验平台测量熔断器关键部位的温度,与仿真结果进行对比与验证。研究结果表明,在正常工作电流下,熔断器垂直布置时最高和最低温度较水平布置分别高13.38%和13.30%;垂直布置熔断器的温度分布呈明显的两端不对称性;水平布置熔断器的温度分布呈两端对称性。研究结果能够为熔断器热故障分析及环网柜熔断器的优化布置提供一定参考。     

沈阳市某医院量本利分析

目的：针对沈阳市某公立医院常年亏损的状态，从微观定量分析的角度，采用量本利分析的方法，对其财务报表进行分析和讨论，找出相应亏损原因，提出合理策略以改善现有的亏损状态。方法对沈阳市某公立医院2010—2012年财务报表进行量本利分析，得出相应的保本点、保本工作量以及保本额等相应数据，并对其进行描述分析。结果沈阳市某公立医院2010—2012年连续三年其门急诊收入、住院收入、其它收入、总收入以及政府的财政补助均呈现明显的上升趋势；3年间的变动成本不断上升，但固定成本2011年达到最高；保本工作量及保本额均远远高于医院实际的工作量和收入水平，其安全边际呈现明显的负值。医院的盈亏状况呈现明显亏损状态。结论量本利分析可较清晰地揭示出医院成本、工作量、收费价格和收支结余之间的关系。该分析方法在医院经济管理工作中的应用，不仅在于它能揭示上述关系，而且其对医院经济管理具有一定的现实指导意义。为扭转医院不断亏损的状态，需强调成本控制的重要性，要实现盈亏平衡，同时需要政府、社会、医院等多方的共同努力，才能完成。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

药对丹参-当归作用阿尔茨海默病的网络药理学机制研究

为了研究药对丹参-当归作用于阿尔茨海默病的可能机制,通过中药系统药理学分析平台(TCMSP)筛选出丹参、当归的活性成分,寻找其相关的潜在靶点;并通过预测平台人工检索候选化合物的潜在靶点是否与阿尔茨海默病相关;将靶点信息通过DAVID数据库、KEGG数据库进行靶点和通路分析;构建化合物-靶点作用网络,靶点-通路网络图,化合物-靶点-通路图.结果表明:药对丹参-当归中具有潜在作用阿尔茨海默病活性的成分有β-谷甾醇,豆甾醇,丹参酮Ⅱ、丹参新酮、隐丹参酮、二氢丹参酮,其可能通过抗炎、抗氧化、免疫系统、细胞周期、钙信号通路、神经受体-配体相互作用等机制对阿尔茨海默病起作用.     

基于CNN的水表故障检测算法研究

合格水表运行一段时间后可能出现硬件故障，造成水费计量异常。为避免此问题，传统上采用机器学习方法（例如支持向量机）分析水表日常读数以判断水表是否出现故障，但该方法常因人工选择特征不当而导致检测性能不能满足实用要求。为解决该问题，本文利用卷积神经网络（CNN）卓越的特征提取能力，根据水表日常读数自动提取水表故障特征，在此基础上提出一种基于CNN的水表故障检测方法，并通过大量实验对检测模型进行了参数优化。对比实验结果表明，本文所提方法相比于支持向量机和集成学习方法，具备更高的检测性能，且检测精度满足实用需求。     

适用于自适应网络防御的联合云计算框架

为了解决云计算中网络安全防御策略部署问题,提出一种适用于自适应网络防御的联合云计算框架.该框架由治理层和互操作层组成,使用LocalHub,StateHub和FederalHub共3个集线器将独立的管理层连接起来,能够根据云计算中不同事件来计算和部署网络防御策略,满足部署网络防御解决方案和分布式计算所需的标准和复杂服务.文中给出联合云计算系统模型及其构建单元,以及所提模型的好处和实施带来的一些挑战.该云计算联合框架解决了终端用户存在的问题.实验表明:当事件响应中涉及更高级别的联合框架时,对应的延迟变高,事件响应成功的概率增大.在本文联合云计算框架中网络防御的性能优于其他2种云计算框架.