“新文科”建设背景下经济学人才培养的路径研究

“新文科”建设是新时代对人文社会科学教育提出的新要求。如何在“新文科”理念下培养经济学人才,是中国经济学建设的一个重要课题。首先,从时代性、战略性、创新性、交融性和发展性5个特征维度阐释“新文科”建设的内涵;其次,探讨“新文科”建设背景下经济学人才培养存在的主要问题;最后,提出经济学人才培养需要持续优化经济学专业培养目标和培养方案;加强经济学的课程思政教育,推动济学与其他学科的交叉融合,推动经济学人才培养模式创新以及培养学生解决问题的能力等路径。研究结果可为培养适应新时代发展的经济学人才提供理论参考。     

液压蓄能式风力机组并网转速解耦优化控制

针对在风速、同步发电机负载变化情况下,液压蓄能式风力机组并网转速控制问题,提出一种新型并网转速控制方法——解耦广义预测优化控制方法（Decoupled Generalized Predictive Optimization Control, DGPOC）.首先,DGPOC利用基于广义预测的前馈解耦方法解除变量马达摆角和蓄能器比例阀开度之间的耦合关系,进而调节蓄能器比例阀,依靠蓄能器吸收波动流量,同步调节变量马达摆角实现恒转速控制,解决因风速、同步发电机负载变化引起的变量马达转速波动问题; 其次,将蓄能器比例阀的能量损耗作为性能约束项,加入到优化目标函数中,求取最优控制量,从而提高液压蓄能式风力机组风能利用率; 最后,利用建立的MATLAB-AMESim联合仿真实验平台验证DGPOC方法的有效性.实验结果表明： DGPOC方法不仅可以实现变量马达摆角和蓄能器比例阀开度两个变量的解耦,提升变量马达转速控制的快速性及鲁棒性,而且能够降低系统的能量损耗.     

“回避行为”初探

心理语言学日新月异的发展推动着“错误分析”理论由外显的,线性平面上的干扰研究发展到内在的,深层的非直接性干扰研究。根据这种发展动态,本文对“回避行为”的假设先决条件与思想动因作了较为深刻的探讨与剖析。     

灌注桩超声脉冲检测法和判据的研究

本文论述了钴孔灌注桩超声脉中检测法的原理、仪器和方法.分析了当超声脉冲穿过缺陷区时其传播时间、幅值(或衰减)以及接收信号波形所呈现的变化.提出了基于"声时—深度"曲线的缺陷定量判据.即声时差值与斜率乘积判据.该判据能估算缺陷的性质和大小.而且,若将该判据与"幅值—深度"曲线综合运用,则可提高检测和判断结果的精度.     

用于焊缝跟踪的调制式红外光学传感器

叙述了一种以脉冲调制的红外光束为信号光源的焊缝跟踪传感器。通过对接 收信号的滤波及“自适应消噪”处理,可以有效地克服电弧光的干扰;利用光源的脉冲 驱动特性,加大了瞬时信号功率,改善了光学传感器对工件表面的适应性。传感器结构简 单、体积小、灵敏度高、能同时实现对焊缝在水平及高度两个方向的自动跟踪在埋弧 及明弧自动焊中均能准确地跟踪。     

液相浸渗中纤维非润湿性的处理

纤维与金属液的非润湿性是液相浸渗制造纤维增强金属基复合材料的主要障碍之一。实验发现纤维的非润湿性使其在自然排布时的浸渗缺陷必须存在。通过提高液相浸渗压力可以改善复合材料的浸渗效果,但仍有细小的浸渗缺陷必然存在。通过提高液相浸渗压力可以改善复合材料的浸渗效果,但仍有细小的浸渗缺陷无法消除,采用颗粒与纤维的混杂使纤维丝相互分离,消除了充填“死角”而使纤维束内完整充填并且均匀分布,提高浸渗压力和混杂预制     

钼对低合金钢硝酸盐体系应力腐蚀的影响

以高风温热风炉用钢的沿晶应力腐蚀开裂问题为背景,研究了Ｍｏ对低合金钢在硝酸盐溶液中的应力腐蚀行为。结果表明,低合金钢中加入合金元素将使钢中贝氏体和／或珠光体含量增大,从而提高了材料的稳定性和抗ＳＣＣ耐蚀性。提出了低合金钢／硝酸盐溶液体系的“温度－钼含量－ＳＣＣ图”。     

空间听觉与虚拟听觉空间的计算机仿真

一些科学工作者对人类以及动物听觉的自由声场至耳膜的传递函数进行了测量,他们发现在宽带信号激励的情况下,不同频率分量之间的幅度差异是与声源的方向有关的,这一发现已被用于展现“真实”的三维听觉,称作虚拟听觉空间仿真。     

非线性电路故障诊断的可测性研究

本文是关于非线性模拟电路故障诊断的测试点选择问题的研究,在本文提出的关于诊断方程的雅可比矩阵的物几乎处处恒等这一概念的基础上,研究了非线性情况下诊断方程的形式及其可测性问题。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.