教育场域视角下互联网+人工智能对学前儿童发展的影响

互联网+人工智能被应用到越来越多的领域,引发广泛关注。在教育场域中互联网+人工智能对学前儿童带来的影响不容忽视,特别是对儿童生活空间和关系空间的影响。我们应理性看待互联网+人工智能在学前儿童发展中的影响,恰当应用互联网+人工智能为幼儿提供精准支持服务,并有效促进互联网+人工智能在学前教育领域发展的再度整合,使互联网+人工智能更好的契合学前儿童发展的要求。     

超声波场影响Langmuir吸附相平衡的机理分析

从分子动力学规律出发,建立了Langmuir吸附系统在外场作用下的吸附相平衡关系式,并根据超声条件下吸附相分子的受迫振动和非吸附相分子的波动,分别讨论了吸附相分子及非吸附相分子在超声波场中获得的能量,结果表明:在超声波场中,吸附相分子比非吸附相分子获得更多的能量是Langmuir吸附平衡等温线降低的本质所在.理论结果进一步表明:当超声波频率一定时,Langmuir平衡吸附量随超声波场能流的增大而减少;当超声波能流一定时,可通过调节超声波频率达到吸附相分子的固有频率而使吸附相分子获得最大的能量,从而使Langmuir平衡吸附量最小.     

直流偏场和面内场共同作用下第Ⅰ类哑铃畴的条泡转变

实验研究了直流偏场和面内场共同作用第Ⅰ类哑铃畴(IDs)的条泡转变现象.实验表明:1)存在3个特征直流偏场,即:条泡转变后的磁畴均为软泡的磁场以及条泡转变后的磁畴中依次出现普通硬磁泡和第Ⅰ类哑铃畴的磁场;2)IDs的最小条泡转变面内场和最大条泡转变面内场均随直流偏场的增加而减小.     

11维时空:7维拓扑质量和4维对偶性

通过讨论7维的拓扑质量理论和自对偶理论,建立这些理论之间的部分对偶性,以及维数约化导致4维的有质量反对称场的不同对偶性.     

环境场特征与暴雨之间的关系浅析

利用2002年6-7月香港天文台业务区域谱模式(ORSM)的物理量预报资料,通过对暴雨发生时的平均高度场、温度场、湿度场、经向及纬向风速场特征的分析,探讨了我国南方形成持续强降水的大尺度环流形势及物理条件.通过对暴雨带附近的热力场和动力场的研究表明：温度场上,在大气中低层,暴雨带处于高温区南侧相对的冷区,且温度梯度较小,而在暴雨区北侧,温度梯度较大;湿度场上,暴雨区落在高湿度带中,并且在大气低层,暴雨带位于南北相对湿度对比带的南侧;而在风速场上,在大气低层,暴雨带附近为东西风及南北风的复合带.     

等离子熔积成形混相瞬态场的Level-Set方法模拟

提出了一种二维等离子熔积成形瞬态模型,该模型描述了液／气界面的自由表面发展,并模拟了熔池内流体流动和传热．采用Level—Set方法处理液／气界面边界条件,考虑了熔体流动的主要驱动力——表面张力梯度、表面曲率、浮力以及工件表面的对流散热等因素．用固液相统一模型来描述固／液界面处的熔融和凝固过程,并开发了相应的软件．对高温合金K163在不同扫描速度下的熔积层表面形貌、温度场以及熔池内流场进行了模拟分析．     

动态环境下基于势场原理的避障方法

在保留传统人工势场法原理简单、易于实现优点的基础上,对其应用在具有移动障碍物的动态环境中所表现出的缺陷进行了改进,用碰撞时间参数代替相对位置参数并辅以碰撞角度约束来消除无渭的避碰运动,同时又引入障碍物作用于机器人、方向指向目标点的分力和局部波动函数,较好地解决了因局部最小以及障碍物与目标点相距太近造成的不能成功到达目标点的问题．仿真结果表明此方法能够使机器人在具有静态和移动障碍物的复杂环境中安全避障．     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

河道疏浚吹填施工技术应用分析

为充分发挥河道疏浚吹填施工技术作用,提高河道疏浚工程整体质量,本文对河道疏浚吹填施工技术进行研究。以引江济淮工程东淝河疏浚项目为例,阐述东淝河疏浚工程的施工工艺流程,在施工准备、施工测量、排泥管线布设、挖泥作业、吹填作业和疏浚土处理等方面探讨了河道疏浚吹填施工技术,可为其他类似工程建设提供借鉴。     

一种无先验地图的移动机器人导航方法

为了提高移动机器人在复杂环境下的无先验地图导航算法模型训练速度及导航成功率,提出一种基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)的移动机器人导航方法。利用2D激光雷达的均匀分布测距信息,降低环境噪声的干扰及高维度环境信息的计算量;采用人工势场法构建移动机器人从初始位置到目标点过程的奖励函数;通过Actor-Critic网络结构提高模型训练的稳定性和泛化能力。实验结果表明,提出的方法具有模型训练速度快、导航成功率高及泛化能力强等优点。