高校图情档族群的科研竞争力测评 ——基于结构化指数方法的研究

以高校图情档族群为观察对象,基于个体研究者视角,构建了结构化指数测评方法,从全国、省市和高校等3个维度,展开了科研竞争力结构优势度测评.结构化指数方法能够扫描并揭示高校图情档族群的科研竞争力结构优势度,可揭示科研竞争力优势群体的数量及分布特征,可进行族群科研竞争力优势度对比测评,具有易操作性和数据敏感性,后续研究可从测评因子、测评维度、竞争力转换路径和机制等方面进行拓展.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.     

液罐车后防护装置的结构优化设计

针对液罐车被追尾这一事故形态,对其现有的单横梁后部防护装置防护性能不足的问题,设计了一种新型的双横梁后部防护装置.通过有限元受力分析确定其各横梁结构的厚度尺寸,根据确定的尺寸进行整车静力加载试验,验证了其防护性能满足国家相关标准要求.设计的双横梁后防护装置,结构简单、防护范围和防护距离大、加工制造方便、成本低,可广泛应用于工程实际中,具有推广价值.     

创新文化竞争力国际比较研究

提升中国创新文化国际竞争力,是全面塑造发展新优势的关键着力点,对我国建设创新型国家具有基础性、长期性、决定性影响.通过构建创新文化竞争力指标体系,选取GII创新指数排名和GDP总量排名均为前20的国家作为研究对象,运用主成分分析法对创新文化国际竞争力进行评价,研究发现:①从综合竞争力水平来看,英国、荷兰、美国、瑞士处于第一梯队,德国、加拿大、法国处于第二梯队,中国、韩国、日本为第三梯队;②从竞争力构成要素来看,中国创新文化可持续发展能力和国家创新驱动力具有相对竞争优势,发展基础力和创新型产业支撑力亟待提升,创新文化吸引力也存在进步空间.为此,提出完善创新文化发展的基础条件、讲好中国故事、加大要素投入等管理启示,以期为提升中国创新文化国际竞争力,建设创新型国家提供针对性建议.     

一类离散时间复杂网络系统的输出同步

利用线性稳定性理论和Lyapunov函数方法,研究了一类离散时间复杂网络系统的输出同步问题,得到了系统输出指数同步的充分性条件,数值算例表明了方法的有效性.     

基于多环返工串行生产线的性能优化建模

为评价和优化串行多环返工生产系统的生产性能表现，结合质量管理与精益生产的理念，区别于传统的返工机制，提出一种全新的“即刻返工”检查机制，将生产系统建模扩展至多机多缓冲区的复杂生产系统.基于生产系统的两大要素，机器与缓冲区的生产状态变化，依据概率论与马氏定理，构建缓冲水平的动态概率转移矩阵，以在制品库存水平及系统平均生产率作为研究指标，针对生产设备及缓冲区展开瞬态分析，通过迭代计算，表明设置合理的系统规模与缓冲区阈值能达到优化系统生产性能的目的，并通过数值实验验证其有效性.     

基于专利视角的全球电动汽车技术竞争态势研究

本文基于专利情报分析方法,从专利数量、申请趋势、被引频次、地域布局等多个维度分析全球各国在电动汽车产业领域的技术竞争态势。研究结果表明:日本是电动汽车申请专利大国,技术发展活跃;日本、美国和德国专利质量高,技术占据竞争优势;全球巨头企业主要在本国、中国、美国进行技术布局;中国近十年内在电动汽车技术上取得巨大进步,发明专利总数排第二;中国企业相较日本、德国、美国、韩国技术实力仍稍显弱势,创新能力有待提高。     

基于新媒体语境下的视觉设计研究

在工业化以及数字化的发展过程中,现代视觉设计不断成熟发展,每一次的技术革新都给视觉设计赋予了全新的意义。文章论述了新媒体条件下的媒体状态和表达方式、视觉设计新的功能性及其显性与潜在的价值,并探讨了视觉设计的原则,研究视觉设计应如何变革方能适应当下的新媒体环境并能够取得长足发展。     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。