TURBO C对汇编语言程序的调用

从ＰＣ系列机的内部结构，剖析了ＴｕｒｂｏＣ调用汇编语言程序的原理。通过分析ＡＳＭ文件与汇编语言程序的格式，以及ＴｕｒｂｏＣ使用存贮器的特点，说明了采用相互兼容的方法，遵循相应的各项约定，就可将汇编语言程序当作Ｃ语言的一个过程来处理，实现ＴｕｒｂｏＣ对汇编语言程序的调用，从而得到相应的程序设计方法。     

居民间资金流动模型的研究

本文建立了居民模型，在对微观经济系统中居民间交易活动进行分析的基础上，建立了居民间资金流动网状模型，描述了微观资金由存量到流量的变化过程，为进一步探讨经济系统中的资金流动问题，提供了一定的分析基础。     

光孤子在色散缓变光纤中的传输特性研究

用微扰法和数值法求解了色散缓变光纤中含高阶色散的非线性Ｓｃｈｒｏｄｉｎｇｅｒ方程，从理论上分析了光孤子的舆特性，解析解与数值结果符合甚好。     

线性有源网络的混合分析法

以电压控制电源的控制电压、电流控制电源的控制电流以及无源支路的电流为变量，建立有源网络的混合变量方程。这种分析方法对任一有源性网络都普通适用。     

外资引进中多元政府混合贷款的综合评价方法

文章简单要介绍了多元政府混合贷款的含义及对其评价的传统方法，指出了传统评价方法的缺陷，提出用群组ＡＨＰ理论构造新的评价模型。在专家的选择及评价上采用问卷测试的客观内容来计算各专家权重，对专家评议结果的处理采用不等权专家信息后处理技术.     

偶应力两层流体通过狭窄管腔时外围层的粘度效应

本文讨论了偶应力两层流体通过带有柔和狭窄的刚圆管时的流动特性,导出了速度、流量、阻抗和壁面最大剪应力的解析式,考察了外围层粘度和厚度的效应,并作了数值计算;是对单层偶应力流体狭窄流动及两层牛顿流体(粘度不同)狭窄流动的推广。     

水翼空化流场的调控和优化研究

为抑制水力机械中水翼绕流流场空化的形成和发展,通过对比分析NACA0009、NACA0012以及Clark Y 3种经典水翼不同攻角和空化数工况下的性能,获得型线优化思路,建立了新水翼。进一步地,在新水翼上布设多个流动控制结构,通过广义模式搜索算法进行快速优化设计,对空化流场进行整体控制和局部调控。研究结果表明：新水翼吸力面凸起高度介于NACA0012和Clark Y水翼之间,最大凸起高度位置后移;新水翼的空化性能和水动力性能提升,升阻比最大提高48.8%,空泡脱落和回射流发展得到抑制;在新水翼吸力面均匀布设的多个控制结构能够对回射流起到连续抑制作用,改善压力分布;通过优化算法实现了控制结构设计的精准快速寻优,优化后的水翼性能得到了进一步提升,升阻比继续提高4.8%～13.6%,空化厚度与长度减小。型线优化和添加连续流动控制结构实现了空化流场的整体和局部控制,是提高水翼的空化和水动力性能的有效方法。     

司法智能裁量系统：问题、措施及趋势

法学与智能技术的深度结合应用于司法审判领域,可辅助司法纠错、优化决策、预警法律风险等,能够让司法实践提质增效,但在技术中立伪装下也可能带来司法偏见、失控与误导.本文首先论述了司法信息提取中的问题,提出通过增加法律文书说理部分和规范法律文本结构等提高司法信息有效性的具体措施.其次,提出司法裁量模型中应加入价值观念,并讨论了建立价值审核和监督机制与促进算法可解释性的具体路径,通过建立内外部监督机制,让司法智能裁量模型使用的背景、整体的价值观以及采用的规则可被法律人理解,才能让其真正服务于司法实践.最后,针对当前司法智能裁量系统建立的难点即类案推荐,分析了类案判定的困境,并在比较法律专家系统与基于当前智能技术的计算模型利弊的基础上,指出人机协作建立具有综合分析能力的认知系统是司法智能裁量系统的发展方向.     

基于混合团树的贝叶斯网络智能推理算法

提出了一种基于混合团树的智能推理体系架构,利用原始贝叶斯网络中变量之间的依赖关系对连接树进行改造,使得在推理过程中满足以下两个优势：(1)它能直接消除与证据和查询的无关的变量集,使得混合团树得以缩减为更小规模的二级树状结构,进而使消息不必在所有节点中传播;(2)它继承了连接树传播算法中可以重复利用混合团树中预先储存的信息进行加速推理.     

融合电池温度和寿命的深度强化学习PHEV能量管理策略

针对当前插电式混合动力汽车能量管理策略忽略电池老化成本和电池温度变化过大而导致的热失控问题,制定融合电池寿命和电池温度的深度Q-Learning神经网络(DQN)强化学习能量管理策略.首先,从融入能量管理策略的角度,建立动力电池热模型和老化模型,引入调节目标价值函数的严重因子和量化电池老化程度的安时通量.其次,建立由超温惩罚、等效电池老化成本和燃油消耗组成的目标价值函数,进而构建深度强化学习能量管理策略.最后,通过仿真实验对所制定的控制策略进行验证.结果表明：融合了电池老化和电池温度的能量管理策略能够有效抑制电池老化和温度.在4个随机工况中,DQN策略下的电池有效安时通过量相较于CD-CS最大下降了35.75%;与CD-CS相比,DQN策略下单个驾驶任务的行驶总成本最大降低10.36%,证明了所制定策略的有效性.