粘胶纤维厂酸站设计中的节能环保措施

近年来,国家一直提倡建设节约型社会,以尽可能少的资源消耗获得最大的经济效益和社会效益。而粘胶纤维的生产是一个水、电、蒸汽等能耗比较大的生产过程,做好节能环保工作关系到生产的成本和环境的保护,是企业发展和社会协调发展的关键问题之一。结合某粘胶纤维厂生产实际,对粘胶纤维厂三大主车间之一(酸站)的节能环保方法进行了较为详细的探讨,并提出了具体的措施。     

加强院士工作站建设 集聚高端智力 服务创新芜湖

<正>院士工作站作为创新驱动发展的有效形式和集聚高端智力服务创新的重要平台,在引导和支持创新要素向企业聚集,提高企业科技创新能力,促进企业技术创新与经济发展方式转变,推动创新型城市建设等方面意义重大。近年来,芜湖市将院士工作站作为"创新驱动、内生增长"的着力点和"招才引智、人才高地"工作的支撑点,依托首位产业、战略性新兴产业,全力提高院士工作站的运行质量,加速推进院士工作站建设。一、院士工作站建设概况     

基于决策树和BN的自动驾驶车辆行为决策方法

交通环境中存在着众多影响自动驾驶车辆行为决策安全的不确定性因素, 准确并及时地处理不确定性因素对自动驾驶车辆安全至关重要。因此, 建立了以人工驾驶行为分类为基础的贝叶斯网络(Bayesian network, BN)行为决策模型。利用决策树分类算法对人工驾驶行为进行分类, 利用BN建模驾驶环境并生成最优驾驶动作, 此方法既可以及时地分析人类驾驶员行为类别, 又能够充分考虑驾驶场景中的不确定性因素。利用仿真工具PreScan设计仿真实验, 仿真结果表明行为决策模型能够给出安全、合理的自动驾驶车辆行为。     

基于虚拟仪器系统的热力站监控平台

介绍了小区热力站的虚拟仪器平台,运用Lab VIEW开发热力站实时监控系统,初步实现热力系统的自控和故障诊断中。     

农业生态站科研数据管理信息系统

论述了作为中国生态系统研究网络（ＣＥＲＢ）之一的海伦农业生态站在利用计算机进行科研数据管理的新进展、作用以及其科研数据的网络共享功能。     

基于聊城国家基本气象站无人值守模式的探讨

【目的】随着我国气象事业的发展,未来气象台站无人值守模式将逐步全面推广实施,对现有的国家级地面气象观测站无人值守模式进行优化和提升非常有必要。【方法】在对聊城市国家基本气象站无人值守模式现状的分析基础上,分析和探讨国家气象观测站无人值守模式的技术方法和保障措施。【结果】重点介绍了国家气象观测站无人值守下的保障系统和网络传输设计模式,并对无人值守模式下的新要求做了分析总结。【结论】无人值守并不意味地面测报不需要业务人员,而是将业务员从烦琐的人工数据监控中解脱出来,使之转型为业务保障、数据应用分析等综合型人才。因此,要实现无人值守模式下台站的长期稳定高效运行需要技术的支持,同样离不开业务人员的努力。     

一种水面垃圾智能清理无人船的设计方案

【目的】针对目前水面垃圾清理以人工作业为主、设备原始且效率低、可能破坏水域植物等问题,本研究提出一种水面垃圾智能清理无人船的设计方案。【方法】利用价值与作用分析方法中的Pieuvre图表法对无人船的设计需求进行分析,并利用CATIA V5软件对无人船的结构进行三维建模。【结果】本研究从无人船的设计需求分析出发,对无人船的机械结构进行设计,实现无人船的垃圾收集、压缩和打包等主要功能,以及观察、漂浮、避障、动力和控制等辅助功能。【结论】该设计方案具有一定的创新性和可行性,对水面垃圾的自动清理设备的研发具有一定的工程指导意义。     

机器学习与科学发现——以AI-Einstein为例

机器学习尤其是深度学习广泛地应用于科学实践的各个领域和环节,但其在数据密集型学科带来的“科学新发现”,只能获得存在于数据中的已知概念之间的关系,而试图用机器学习重现科学史上新概念和新理论发现过程的“科学再发现”研究,也因为使用模拟出来的数据而成为后知之明;作为“曲线拟合”的机器学习常被认为不能带来“真正”的科学发现和概念创新;通过对19世纪关于光的传播和寻找以太相关的观测和实验数据进行挖掘并用机器学习建模,发现当同一类问题的数据和理论之间出现冲突时,“曲线拟合”方法至少可以帮助带来科学概念的转变,提示新知识的出现。     

自动驾驶无需高阶道德算法

引入伦理学中的道德两难思想实验后,自动驾驶应植入何种道德算法引起了不少讨论。区分一阶道德算法与高阶道德算法将发现这些讨论建立在一个有待澄清的前提上。植入道德算法的目的是令自动驾驶成为驾驶专家,因而识别交通法规等一阶道德算法是必要的,关乎安全、效率与舒适;但功利主义等高阶道德算法会反噬驾驶专家,既不必要也不可行,况且“自动驾驶两难”在哲学上的思想深度没有超出“电车两难”。     

基于YOLOv5网络的复杂雷达脉内调制类型快速识别方法

近年来雷达系统的抗截获能力快速发展,信号体制变得非常复杂,给空间态势感知信号处理带来困难。针对实际场景中极可能出现的多信号时频域交叠难以识别的问题,提出基于时频分析和深度神经网络的脉内特征识别的方法,利用时频分析手段将不同类型雷达信号转换为时频图像,基于深度学习的YOLOv5网络对不同混合交叠的雷达脉冲信号时频图开展研究。结果表明：在不同信噪比下,实现对两调相信号、三调频信号及调相与调频信号3种交叠情况的混合雷达信号脉内调制方式的检测与识别,信号调制体制识别准确率均达到95%以上。本文分析结果可为空间态势感知信号处理提供参考。