基于HLA的战术级装备保障系统仿真

以HIJA（High Level Architecture）为计算机仿真标准,对战术级装备保障系统进行了建模仿真。在分析战术级装备保障仿真系统的体系结构基础上,开发了仿真系统中的对象类、交互类以及联邦成员,设计了联邦运行的整个流程。整个战术级装备保障仿真系统是一个联邦,由作战部队、作战指挥机构、装备指挥机构、装备维修成员、装备供应成员5类联邦成员组成,各联邦成员之间通过公布／订购对象属性和发送交互,仿真了整个装备保障活动,得到了满意的保障方案。用HIA技术对装备保障系统进行仿真研究是一种可行的方法。     

基于系统动力学的资讯个性化推荐研究

手机等移动智能终端在全社会的普及,使得数字内容的生产能力下沉到社会各个层面,形成了多源、自主、原生的互联网媒体内容制造格局;而以社交媒体、自媒体为代表的各类新兴媒体的蓬勃发展,使得数字内容的传播能力极大增强,大量衍生内容在敏感、热点、重要事件的报道传播中产生。互联网资讯具有海量、内容质量参差不齐、观点多极等特点。如何将价值导向对正确的、信息披露准确的资讯进行精准推荐,维护和促进社会公平正义,成为司法领域的新问题和新挑战。推荐系统有效解决了用户在海量信息中难以高效获得信息的问题。基于内容的推荐技术通过分析用户以往感兴趣的项目,经计算得到相似的项目,再将相似度最高的若干项目推送给用户。推荐系统中应用最广泛的是协同过滤推荐算法(collaborative filtering,CF),该概念最早于1992年由GOLDBERG等在开发Tapestry邮件过滤系统时首次提出,其核心思想是运用算法对用户的历史行为数据进行分析,挖掘出用户的兴趣偏好,根据不同的兴趣偏好对用户进行类别划分并推荐相似偏好的物品。当前,个性化推荐已经在电子商务、影视作品、餐饮美食、新闻资讯等领域获得了较为广泛的应用。"京东"的推荐起步于2012年,当时的产品推荐是基于规则匹配进行的,整个推荐产品线组合就像一个个松散的原始部落,部落与部落之间没有任何工程、算法的交集。"淘宝"从2013年推出了"个性化推荐"即"千人千面"的推荐引擎,利用用户的一些行为,通过算法推测出用户可能喜欢的东西。"美团"构建了世界上最大的菜品知识库,为200多万商家、3亿多件商品绘制了知识图谱,并为2.5亿用户画像,构建了世界上用户规模最大的O2O智能推荐平台。"豆瓣"利用社交行为分析解决推荐问题,如基于用户相同行为的协同过滤技术、友邻推荐等,也是个性化推荐的一个补充。社交化推荐的引入,可以解决因单纯产品内容推荐导致推荐范围越来越窄的问题。"今日头条"的个性化推荐算法基于投票方法,其核心理念就是投票,每个用户一票,喜欢哪篇文章就把票投给哪篇文章,经过统计,最后得到的结果很可能是此类人群里最好的文章,并把这篇文章推荐给同类人群用户。该方法看起来似乎很简单,但实际上需要基于对海量用户行为的数据挖掘与分析。系统动力学是一门基于系统论、控制论与信息论,并借助计算机模拟技术的交叉学科,其通过系统的视角,进行结构化动态分析和模型模拟,擅长分析高阶、非线性时变和复杂系统,采用定性与定量相结合的方法,适合对资讯个性化推荐这种动态复杂过程进行分析。针对司法工作相关资讯的个性化推荐问题,应用系统动力学理论,对影响资讯推荐效果的重要因素在Vensim软件中进行建模仿真,构建包括用户量、文章量、标签数量和各子系统之间影响的因果反馈模型和存量流量模型,建立系统动力学方程模型,经仿真对相关因素进行敏感性分析。结果表明,文章量、设置的特征化标签和对文章的兴趣点因子等都对推荐效果有重要影响,这是在设计推荐系统时需要重点考虑的因素,也是解决推荐系统冷启动、实时性和"信息茧房"等关键问题的重要途径。基于系统动力学进行资讯个性化推荐研究,可以积极有效地应对司法领域资讯披露面临的挑战,提高精准推荐效果。     

数字孪生的模型、问题与进展研究

近年来,关于数字孪生的研究方兴未艾。数字孪生作为一个新的范式或者方法体现出了巨大的潜力,但是,这一概念的内涵和范围尚不确定,尤其是对数字孪生模型概念的界定很不清晰。根据模式类别可以将其分为通用模型和专用模型,其中专用模型仍是当前的研究热点,研究内容主要体现为对具体项目使用数字孪生方法进行建模,也包括对专用模型进行开发。这些具体项目除了传统制造业所涉及的零件测量和质量控制,增材制造,设计和工作过程,以及系统管理外,还包括在生物医药、石油工程领域的应用等。开发专用模型的工具和技术呈现多元化,有通用工业软件、专用工业软件、仿真平台和自研二次开发工具等等。数字孪生通用模型的研究对象不针对某一具体项目,而是研究如何将模型受控元素表示为一组通用的对象以及这些对象之间的关系,从而在不同的环境之间为受控元素的管理和通信提供一种一致的方法。数字孪生通用模型的研究主要分为概念研究和通用模型的实现方法,两者的研究热度相当。其中概念研究从宏观角度的产品生命周期管理,到描述系统行为,如一般系统行为和系统重新配置,再到具体工作流,如设计方法、产品构型管理、制造系统、制造过程等,研究内容较为发散,尚没有出现特别突出的热点。关于数字孪生通用模型实现方面,主要研究了建模语言的构建、模型开发方法的探索、具体工具的使用、元模型理念的植入和模型算法的探索。数字孪生模型是数字孪生研究的核心领域之一,其未来的研究重点是如何将不断涌现的各不相同的数字孪生体的外部特征和内在属性归纳为可集成、可交互、可扩展的模型,便于更高效地实现信息在物理世界和数字世界之间流动,从而实现数字孪生的普遍应用,继而支持CPS(网络物理空间)和CPPS(网络物理生产系统)的建设。因此,数字孪生模型研究下一步需要解决的问题是如何对接标准参考架构,如德国提出的工业4.0参考架构模型RAMI4.0和中国的智能制造系统架构IMSA等;关于数字孪生模型需要建立统一的描述方法并确立一致的结论,以规范各自独立发展建立起来的模型,从而改善模型的互操作性和可扩展性,否则,随着系统规模的扩大模型效能会显著下降;中国数字孪生模型的研究急需国产专业工业软件和建模软件的支持,以便中国学者深入开展更加符合国情的深入研究。     

卫生监督领域正交软件体系结构的设计

软件体系结构是大型软件系统开发的一项关键技术。正交软件体系结构结合了传统横向设计的抽象层与面向方面纵向设计的线索,依据特征模型把系统架构设计成包含正交的组织层和线索的构件。讨论了设计正交化功能特征模型及正交软件体系结构的关键技术,并应用于一个研究案例。     

谈国家职业技能标准下的《数控机床维护与维修》课程质量标准

本文研究了国家职业标准下的《数控机床维护与维修》课程质量标准,提出了该课程标准建立的意义,探索了构建的方法与途径,并对课程的教学内容进行了基于项目化教学的设计,为其他课程的质量标准提供了可供借鉴的经验。     

悬臂梁在煤矿生产中的应用

在日常生活中经常会见到用到悬臂梁,即一端固定,一端能够承受一定压力和拉力的梁(见图1)。煤矿生产中,悬臂梁也有着很广泛的用途,尤其是在对顶板的支护方面,有着很多其它支护方式没有的优点。     

N-甲基葡萄糖胺的合成

通过多相催化氢化反应，以葡萄糖和甲胺为原料，兰尼镍为催化剂，制得了N-甲基葡萄糖胺，用正交实验确定了较佳工艺条件，收率达75．5％．     

以信息化引领管理扁平化

传统层级结构的组织形式,源于经典管理理论中的"管理幅度"理论.所谓管理幅度指的是,在一个组织结构中,管理人员所能直接管理或控制的直接下属的数目.按照管理幅度理论,一个管理者由于精力、知识、能力、经验的限制,所能管理的下属人数是有限的. 著名管理学家格兰丘纳斯认为,管理幅度应限制在"至多5人,可能最好是4人".随着下属人数的增加,可能存在的相互人际关系数将呈指数增加,信息量和管理难度也随之增加,当下属人数增加到一定程度,就超越了管理者所能有效管理的范围.     

数据可视化研究综述

数据可视化对于从海量数据中发现规律、增强数据表现、提升交互效率具有重要作用。目前,数据可视化的概念及相关研究领域不断扩展,就数据类型而言,可视化研究逐渐聚焦于多维数据、时序数据、网络数据和层次化数据等领域。通过对中国知网（CNKI）中外文文献进行分析可知：2014年、2015年是数据可视化领域研究热度升级、理论成果大量产出的“里程碑”式年份;中国大数据领域研究热潮形成后,数据可视化是迅速发展的一个重要支撑领域;国内外数据可视化领域的研究,在时间上基本同步,而武汉大学、浙江大学、北京邮电大学、国防科技大学、电子科技大学等都是在该领域研究活跃度较高的国内高校。要获得良好的视觉效果,帮助用户降低理解难度,高效分析数据和洞悉价值,通常还需要注意色彩与语义、突出核心数据、防止数据过载、防止思维过度发散等技术要点。现有的数据可视化技术主要分为基于几何技术、基于图标技术、基于降维技术、面向像素技术、基于时间序列技术、基于网络数据技术的数据可视化方法,以及层次可视化技术和分布技术等。基于几何技术的可视化方法,包括平行坐标、散点图矩阵、Andrews曲线等。基于坐标的可视化方法,可以清晰展示变量间的关系,但受限于屏幕尺寸,当数据维度超过3个时,难以直观显示全部维度,需要结合人机交互技术进行展示,适用于表达不同维度之间的相关关系,比如学生学习行为之间的关联关系等。基于图标的可视化方法,主要包括星绘法和Chernoff面法,以几何图形作为图标刻画多维数据,直观反映出图标各个维度所表示的意义,适用于工作完成情况、激励工作进度概览等。基于降维技术的可视化方法,根据维度属性确定点的坐标,在保持数据关系不变的前提下映射到低维可视空间中,主要涉及主成分分析、自组织映射、等距映射等。基于时间序列的可视化方法,是一种显示数据间相互关系和影响程度的可视化方法,主要包含线形图、堆积图、地平线图等,随着时间发展采集相应数据,并利用上述3类可视化方法进行呈现,适用于表示信息数据流动和变化状态,如不同时间段成绩流向趋势分布、主题概念的变迁等。基于网络数据的可视化方法,核心是自动布局算法,通过自动布局与计算绘制成网状结构图形,主要有力导向布局、圆形布局、网格布局等,常用来表示大规模社交网络结构,适用于活跃度分析、引文关系展现等。层次可视化技术,主要包括节点链接、空间填充、混合方法等,通过绘制不同形状的节点和包围框来表示层次结构的数据,适用于表示群组成员间交互关系的发现和挖掘,如在线协作员工之间的交互。基于CNKI,通过对数据可视化研究情况的分析,提出数据可视化研究过程中的注意点,指出数据可视化需要重点考虑色彩的匹配,在色彩与数据内容的重要度之间建立关联;可视化方案应在满足业务需求的基础上以业务逻辑为依据,合理组合与应用相关可视化技术;统一的可视化风格有助于提升人们理解数据的连贯性、一致性和效率,兼顾用户的审美要求,在风格与色彩之间建立合理的匹配关系;数据可视化应以实用、合理、高效地表现关键过程、关键目标、关键结果为主要面向。此外,对可视化应用实例Echarts展开综述,包括Echarts 交互组件（markPoint和markLine标注点组件、dataZoom区域组件、图例交互组件）在可视化中的应用,以及动态数据绘制等。最后,对可视化存在的挑战以及未来研究方向进行了分析和展望,指出虚拟现实、可视化系统和数据分析是可视化未来的研究方向,其应用热点领域还包括统计可视化、新闻可视化、思维可视化、社交网络可视化和搜索日志可视化等。     

中原油田采油污水腐蚀因素灰关联分析

根据注水水质分析和腐蚀监测结果 ,应用灰关联分析方法对 2 0 0 1年 2月至 2 0 0 3年 6月中原油田生产系统腐蚀状况进行了分析 ,根据灰关联度的计算结果得知 :影响中原油田处理前采油污水腐蚀性的主要因素为 HCO3 -质量浓度、p H值、SRB(硫酸盐还原菌 )、TGB(腐生菌 )含量和Σ Fe质量浓度 ;影响中原油田处理后采油污水腐蚀性的主要因素为 ,矿化度、Na+、Ca2 +、Mg2 +和 Cl-质量浓度 .通过对中原油田采油污水处理前、后的水性、水质及腐蚀速率的比较可知 ,提高处理前采油污水的p H值 ,控制污水中 SRB及 TGB含量 ,降低污水中Σ Fe质量浓度 ,对于降低腐蚀速率意义重大 ;同时也证实了用灰关联分析方法研究影响中原油田采油污水腐蚀性的因素是可行的