协同业务过程中的语义一致性

为了解决协同业务过程中的语义不一致问题,使协同企业之间实现数据与知识共享,提出基于描述逻辑的本体不一致性分析方法。首先定义了本体的最小不一致子集、命中集合和调适集合,之后提出DS IO算法求解调适集合,并证明通过删除或修改调适集合中的公理可以有效恢复本体的一致性。最后以实际项目中的协同业务过程为例,在领域本体和协同本体的基础上建立本体一致性分析系统,分析结果证明该文提出的方法可以有效解决本体的不一致问题,从而保证了协同业务过程的语义一致性。     

技术并购、整合与创新研究

技术并购理论包括技术追赶理论、国际化理论和动态能力理论。动态能力理论属于高阶能力理论。外部技术获取的方式包括购买、联盟和并购,并购能够实现技术跨越和技术能力提升,战略整合贯穿并购整合全过程,运营整合、文化整合、人力资源整合是战略整合的支持体系。     

基于注意力Seq2Seq模型的终端区航空器航迹预测

为充分挖掘机场终端区航空器航迹时间依赖性,解决中长期、多步长航迹预测精度不稳定的问题,引入注意力机制(Attention Mechanism)和教师监督(Teacher Forcing)中的指数衰减(Exponential Decay)采样方法,提出了一种基于序列到序列框架的机场终端区航迹预测模型(Seq2Seq-Attention Mechanism-Exponential Decay, SAE)。序列到序列框架实现了多步长预测,注意力机制提高解码器预测精度,指数衰减采样方法加速了训练阶段模型收敛,在一定程度上提高了模型的泛化性。最后,为了验证提出方法的有效性,利用天津终端区28架次、90天ADS-B航迹数据构建原始数据集,以平均绝对误差(Mean Squared Error, MAE)和均方根误差(Root Mean Squared Error, RMSE)作为模型性能评价指标,进行了航迹预测实验,实验结果表明：高度、经度和纬度在序列到序列框架中的循环神经网络分别采用LSTM、GRU和LSTM可以获得最好预测性能;以四种预测长度1分钟、3分钟、5分钟和10分钟进行建模,与基线模型中预测性能最好的结果比较,所提出方法在验证集上的高度、经度和纬度指标表现最优,10分钟预测窗口下的平均绝对误差分别降低了66.30%, 54.62%和36.59%,均方根误差分别降低了65.45%, 38.16%和20.57%,同时,上述四种预测时长下所提出方法预测结果的均值和方差最小,表明随着预测时长的增加,模型预测结果的稳定性最好。此外,引入的注意力机制与指数衰减采样方法对有效捕捉航迹时间依赖性、提高模型泛化性均具有积极的贡献.     

引燃油喷射时刻对着火特性和压力振荡影响的研究

为提高天然气/柴油双燃料船用低速发动机低负荷时的燃烧稳定性、避免高负荷时爆震发生,采用三维数值模拟的方法,研究了实际双燃料发动机中引燃油喷射时刻对缸内混合气的着火/燃烧特性及缸内压力振荡的影响.结果表明:甲烷当量比为0.38的工况,引燃油喷射时刻的推迟会造成缸内甲烷/空气混合气的着火时刻和燃烧相位推迟,缸内压力减小且爆压相位滞后;当喷射时刻推迟至2.0°CABTDC时,缸内压力峰值低于10 MPa,说明燃烧严重恶化,甚至出现失火现象.甲烷当量比为0.50的工况,引燃油喷射时刻的推迟使缸内压力振荡幅度增大且振荡发生的时刻推迟,当喷油时刻推迟至2.0°CABTDC时,甲烷/空气混合气在引燃油喷射之前发生自燃;此外,喷油时刻的推迟会导致火焰发展速度加快且火焰前端燃烧更为剧烈,易在靠近壁面的狭小空间内产生压力振荡.     

低浓度酒精气氛下发酵废醪浮尘的爆炸危险性研究

选取堆放发酵废醪原料仓库空气中不同高度的浮尘，分别命名为浮尘U(Upper),浮尘M(Middle),浮尘L(Lower).研究三种浮尘的物理特性，根据挥发分和灰分的质量分数分析粉尘爆炸特性变化，最大爆炸压力P_max随挥发分质量分数的增加和灰分质量分数的减少而增大.探究了浮尘M在1%,2%和3%低体积浓度酒精气氛下的爆炸超压变化规律、点火能量、爆炸下限和火焰传播速度的变化规律，发现酒精在其中充当了挥发分的成分既加强了混合爆炸体系的爆炸猛度又增强了其爆炸感度，并借助爆炸指数的变化指出粉尘爆炸危害等级由于酒精的加入由St1级别变为了St2.     

基于BERT的长文本分类方法

由于预训练模型输入分词数量限制，基于BERT的长文本分类任务效果与长文本分割后的文本段集合的处理及特征融合密切相关，现有的长文本分类研究在融合文本段特征时更关注文本段之间原始的顺序关系，而本文提出了一种基于BERT和集合神经网络的长文本分类模型.该方法以BERT为基础，可处理从同一文本样本分割得到的任意数量文本段，经过BERT后得到文本段特征，再将所有文本段特征输入到具有置换不变性的集合神经网络层中，提取出集合级别特征来优化长文本的特征表达.通过在三个数据上的实验分析，论文在平均分词长度较长的数据集上取得了90.82%的准确率，高出目前最优方法4.37%.