基于自适应动态时间规整(DTW)的GA-FCM多阶段间歇过程故障诊断

多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类（FCM）算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法（GA-FCM）,用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整（DTW）算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析（MKPCA）模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。     

基于纳米复合PCM集蓄热构件的建筑太阳能供暖特性研究

设计一种基于吸光型纳米复合相变材料(PCM)模块化集蓄热构件,将其应用于建筑太阳能采暖,以降低能耗和碳排放。开展石墨烯-石蜡复合相变材料的制备和物性测试,建立PCM集蓄热数学模型,并结合典型气候工况进行供热特性的数值模拟,研究定风量情况下蓄热层厚度和空气流道宽度对供暖特性的影响,分析通风速度对送风温度、日供热量以及太阳能供暖保证率的影响。研究结果表明：添加石墨烯后的纳米复合PCM相对于纯石蜡的集热效率约提升了60%;对于具有18 m²采光面积的集蓄热构件,当通风速度为1.0 m/s时,太阳能集蓄热墙具有较为优异的供暖性能,此时供给室内的日供热量、日平均热效率和供暖保证率分别为112.5 MJ、67.6%和90.0%,室内能够达到20℃的设定温度的时间为13 h。     

基于GWO-CNN-BILSTM的超短期风电预测

在未来高渗透率风电场景下,超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此,提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先,搭建基于卷积神经网络(convolutional neural network, CNN)与双向长短期记忆神经网络(bidirectional long short term memory, BiLSTM)的组合模型,然后,为提升风电预测结果的精度,通过灰狼优化算法(grey wolf optimizer, GWO)对组合模型进行优化,使该组合模型参数能实时适应风电历史数据。最后,仿真结果验证了所提出方法的有效性和优越性。     

《中国大学英语教育路在何方》评介

蔡基刚教授的新著《中国大学英语教育路在何方》,以大学英语教育为出发点,既有历史回顾也有现状分析,并通过广泛调查,做出说服性的归纳。全书上篇说我国大学英语教育的现状分析和策略,下篇说实现大学英语教学战略转移的具体措施及建议。本文将对该书的核心内容ESP教学及通用英语教学进行评介。     

基于多智能体系统的微电网安稳控制策略

随着新能源渗透率不断提高,微电网在分布式能源(distributed energy resources, DERs)运行控制中的作用日益凸显,但分布式能源的接入会给微电网的运行带来扰动。为此,本文提出了一种基于多智能体系统 (multi-agent system,MAS) 的两级分散协调控制方案来保证微电网的高安全性和稳定性。上层智能体基于Petri网(petri-net, PN),针对各类能源的不同工作模式,构建DERs的PN模型,并以PN模型设计协调逻辑控制指令集,通过网格自适应直接搜索过滤算法 (mesh adaptive direct search filter algorithm, MADSFA) 选择最佳的协调逻辑控制指令。下层智能体负责局部连续控制,针对不同功率特性DERs的逆变器,分别采用不同的下垂控制策略。为保证暂稳态下微电网的稳定性,在逆变器和下垂控制器之间增设预设性能控制器,以确保逆变器的输出功率误差无论是在暂态还是稳态的情况下均能稳定在预设误差范围以内。同时为提高微电网系统的稳定性,两层之间的交互采用主从和无固定主从相结合的通信模式,这种交互机制提高了MAS在系统的实时监控过程中的时效性和灵活性。最后,仿真结果验证了基于MAS两级分散协调控制策略的有效性。     

鄂尔多斯地区中元古界“拗拉槽”的重新厘定

通过非地震、地震、钻井和地层展布等资料,对鄂尔多斯地区中元古界"拗拉槽"重新进行厘定。研究表明,鄂尔多斯地区中元古界发育一系列北东向的"拗拉槽",自北西向南东依次为:宁蒙"拗拉槽"、甘陕"拗拉槽"、秦晋"拗拉槽"、秦豫"拗拉槽"。研究认为,鄂尔多斯地区中元古界处于拉张构造环境,发育一系列"拗拉槽"。