卡默勒现象意识的幻觉主义分析

卡默勒的幻觉主义理论是现象意识分析中一种不同的声音。其幻觉主义理论认为:现象意识是一个幻觉；可基于相似性理论来解释现象意识的机制，指出现象意识就是外部物理性质经模块处理的结果，其处理过程遵循表象原则、接受喜好原则、配置原则和个例化原则；现象意识的幻觉元是解释现象意识为何强烈的问题。幻觉主义理论为现象意识的分析提供了一个新的思路，但也存在着如特殊心理模块等的理论缺陷。     

考虑订单可得时间和客户时间窗的电商末端配送路径问题

针对考虑订单可得时间和客户时间窗的电商末端配送路径问题，考虑配送特点（订单可得时间）、客户的时间需求（时间窗）和客户分布分散等特点，以最小化配送总里程为目标，构建了基础数学模型，并通过分析问题特征对模型改进，从而构建了改进数学模型。在此基础上，提出两种有效不等式，并设计了基于分离两种有效不等式的改进分支切割精确算法对模型进行求解。最后，通过测试多组算例，不仅对两种数学模型进行了比较，而且分析了不等式对算法性能的影响；通过与CPLEX默认的分支切割算法对比，验证了改进的分支切割算法的优越性。结果表明：对小规模的实际算例，采用改进的分支切割算法可以在极短的时间内得到最优解，具有很好的实用效果；对规模较大的算例，采用改进的分支切割算法得到的最优解可以对智能算法性能进行评价。     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

基于改进物元可拓模型的光充储系统运营效益评价

随着光伏发电规模的不断扩大和储能技术的快速发展,光伏发电和储能系统的结合逐渐得到应用,其运营效益可以有效地衡量光充储系统的经济性,也是系统进一步推广的关键.通过建立4个层面18个指标的光充储系统运营效益评价指标体系,并采用了主客观结合的组合赋权模型,结合改进的物元可拓模型对光充储结合系统的运营效益情况展开评价,并对评价结果展开分析.结果 表明:光充储系统总体的运营效益状况良好,并且所构建的光充储系统运营效益评价模型能够进行有效评价.     

有界导出范畴的描述

利用预覆盖类描述Abel范畴A的有界导出范畴Db(A),并给出相应的应用.结果表明,模范畴的有界导出范畴可用Gorenstein平坦模和余挠对描述.     

余纯投射维数换环定理

设R是环,cpD(R)表示R的余纯投射维数.基于cpD(R)的性质,给出该维数的换环定理.     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

基于故障敏感分量和改进K近邻分类器的故障状态识别

针对故障状态下的滚动轴承振动信号非线性非平稳性强、噪声干扰大导致的故障敏感特征提取难的问题，在对轴承振动信号进行局域均值分解（local mean decomposition，LMD）的基础上，提出了一种基于故障敏感分量的特征提取与改进K近邻分类器（K-nearest neighbor classifier，KNNC）的故障状态辨识方法。该方法采用相关系数法对LMD分解出的振动分量进行故障敏感性的量化表征，然后对筛选出的信号分量进行时域/频域的特征提取，构建不同故障状态下的特征样本集。为加快故障状态识别速度，排除不良样本的影响，提出一种基于二分K均值聚类的改进KNNC算法，精简了大容量的训练样本，有效去除不良特征样本和干扰点。实验结果表明，以敏感分量特征作为输入的改进KNNC算法能够快速准确地识别轴承不同故障状态。     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.