课程文献中心 更多>>

关键词： 配电网电压控制   高比例户用光伏   储能系统   集群划分   关键控制节点  

摘要： 高比例户用光伏接入配电网中，源荷特性变化带来大量电压越限问题，需要一种有效的配电网电压控制方法。首先，建立一种考虑电气模块度指标、耦合度指标、功率平衡度指标的综合划分指标，实现含高比例户用光伏配电网的集群划分。在各集群内含储能系统的节点中，利用有功-电压灵敏度选出各集群内的关键控制节点。考虑以储能作为调压手段，在计及储能充放电功率运行约束条件下，以电压偏差和网损最小为目标函数，构建基于集群划分的电压控制模型，并根据越限电压的节点所在集群的功率需求优先调控关键控制节点处的储能系统，以实现电压控制。最后，对含高比例户用光伏和储能系统的IEEE 33节点系统进行分析，验证基于集群划分的配电网电压控制方法的有效性。

关键词： 建筑设计   施工图设计   问题   优化  

摘要： 建筑施工图设计是建筑工程施工的前提,对建筑工程有直接影响.为推进施工进度、降低施工成本和保障施工质量,对建筑施工图设计的重要性及常见问题进行分析,并提出相应的优化建议,以期为提升建筑施工图设计质量提供参考.

关键词： 阶能量图   能量   图的运算   Kronecker积  

摘要： 图G的能量E(G)定义为G的邻接矩阵的所有特征值的绝对值之和.一个n阶图如果它的能量等于n,则称为阶能量图.结合图与矩阵的运算,特别是矩阵的Kronecker积,给出图的一个新的运算.进一步确定相应新图的谱;并应用该运算由给定的某些非阶能量图,构造出一系列新的阶能量图族;还由任意阶能量图,构造出3类新的阶能量图族.

关键词： 跳频信号   局部阈值   去噪   瞬时频率算子  

摘要： 传统面向跳频信号参数估计的去噪方法往往无法有效保留跳频信号在时频图中的边界，导致跳频信号的时间参数估计精度较低。为此，提出了一种基于局部能量阈值的跳频信号时频图去噪方法。首先，为了提高跳频信号在短时傅里叶变换后的时频图中的能量占比，利用瞬时频率算子将与跳频信号频率不匹配的时频系数标记为噪声并去除。然后，为了避免在去噪时损失跳频信号的能量，设置搜索窗口定位时频图中能量密度最高的区域，并根据不同区域的能量密度分布，自适应地设置阈值去噪。最后，采用同步压缩方法将时频系数压缩至局部能量重心的位置，使跳频信号在时频图中的边界更清晰。实验结果表明，该方法在信噪比大于-5 dB时，能同时提高跳频信号时间和频率参数的估计精度，归一化均方误差分别低于0.1和0.2。

关键词： 轨道桥梁系统   震后功能恢复模型   高速铁路   消能减震装置   抗震韧性  

摘要： 量化评估震后功能恢复函数是实现工程结构韧性抗震的基础。高速铁路作为生命线工程，目前鲜有震后功能恢复研究的报道，影响了该系统韧性抗震技术的发展。本研究结合既有桥梁结构震后功能恢复模型，以广泛应用的高速铁路CRTS II型轨道-桥梁系统为研究对象，建立了系统精细化抗震分析数值模型，并基于课题组开展的桥墩、消能减震装置及桥轨系统振动台试验进行系统试验验证。模型考虑了高速铁路桥梁中CA砂浆、滑动层、扣件、剪力齿槽、剪切钢筋等轨道结构部件和所提消能减震装置对震后功能恢复函数的影响，提出高速铁路轨道-桥梁系统震后功能恢复计算模型和关键变量参数指标，并以某典型4墩5跨高速铁路轨道-桥梁系统为研究对象开展计算分析。结果表明：（1）轨道结构滑动层对系统震后功能恢复能力影响大，即使加装了消能减震装置。（2）所提消能减震装置可降低系统震后损伤，显著减少震后决策与修复时间。（3）采用消能减震装置后桥墩损伤有所放大，但显著降低支座损伤和落桥风险，从而从减少震损和可快速更换修复两个角度提升了系统的功能恢复能力。（1）所提高速铁路轨道-桥梁系统震后功能恢复模型可考虑轨道结构和减震装置的影响，可更全面地表述高铁桥梁结构震后功能恢复情况。（2）消能减震装置尽管会减小桥墩部分的震后功能恢复函数，但是从高速铁路轨道-桥梁系统层面总体有所提升，且与布置方式有关。模型及分析结果为我国高速铁路轨道-桥梁系统抗震韧性评估及设计服务。

关键词： 结构赋能   图情学科   建设模式   中国特色  

摘要： 在一级学科名称由“图书情报与档案管理”更名为“信息资源管理”的背景下，图情学科建设也需要及时完善，而图情学科建设模式是影响学科发展的重要方面。文章采用文献分析法、网络调研法与比较分析法，梳理了图情学科的区域分布、建设主体、合作模式的发展现状，并基于此分析中国特色图情学科建设模式。中国特色图情学科的建设模式应在考量学科的内部需求和外部机遇的前提下以中国现有的学科发展为基础来创新其发展路径。文章引入结构赋能的概念，从区域分布赋能、建设主体赋能、合作模式赋能的角度构建中国特色图情学科RSC建设模式，以期完善图情学科建设，推动中国图情学科高质量发展。

关键词： 物联网安全   固件漏洞静态检测   污点分析   中间污点源  

摘要： 先前的固件静态污点分析方案通过识别中间污点源以精确污点分析的起点，过滤部分情况的安全的命令劫持类危险函数调用点以精简污点分析的目标终点，实现减少待分析的污点传播路径，缩短漏洞挖掘时间。但在识别中间污点源时所用时间过多，以及没有实现充分过滤安全的危险函数调用点，导致固件漏洞挖掘整体时间依旧较长。为应对这一现状，提出了一种利用精确中间污点源和危险函数定位加速固件漏洞分析方案ALTSDF（Accurate Locating of intermediate Taint Sources and Dangerous Functions）。在快速精确识别中间污点源作为污点分析的起点时，以函数参数字符串在用于传递信息的前后端共享关键字集合中的比例对函数作为中间污点源进行排序；在过滤安全的危险函数调用点时，对函数参数静态回溯分析参数类型，排除参数来源是常量的复杂情况的安全的命令劫持类危险函数调用点和安全的缓冲区溢出类危险函数调用点。最终实现减少定位中间污点源所用时间，以及减少由中间污点源到危险函数调用点所构成的污点传播路径数量进而减少将污点分析应用于污点传播路径所需的分析时间，实现缩短漏洞挖掘时间的目的。通过对21个真实设备固件的嵌入式Web程序进行测试，ALTSDF相比先进工具FITS在中间污点源推断时所用时间大幅下降，在安全的危险函数调用点过滤时相比先进工具CINDY使污点分析路径减少了8%，最终使漏洞挖掘时间相比SaTC结合FITS与CINDY的整合方案减少32%。结果表明ALTSDF可加速识别固件嵌入式Web程序中的漏洞。

关键词： 华北落叶松人工林   土壤化学计量   林木生长   胸径生长量   生物量   生产力  

摘要： 土壤碳（C）、氮（N）、磷（P）元素作为土壤化学计量特征研究的主要内容，是植物生长发育所必需的营养元素，合理调控这些元素的含量对于华北落叶松（Larix principis-rupprechtii）林木的生长具有重要意义。分析区域内华北落叶松人工林不同深度（0-20 cm、20-40 cm、40-60 cm）土壤的有机碳（SOC）、全氮（TN）、全磷（TP）、碳氮比（C/N）、碳磷比（C/P）、氮磷比（N/P），并测定评估胸径生长量（DBHG）、乔木层生物量（M）以及乔木层生产力（NPP）等林木生长指标，结合相关性分析及冗余分析等进一步阐明环境因子与林木生长之间的关系。结果显示，华北落叶松人工林（包括落叶松纯林和华北落叶松-白桦混交林）土壤SOC、TN、TP含量均随土层深度的增加而减少，除40-60 cm土层中两种林分的TP含量无显著性外，落白混交林在其余土层的SOC、TN、TP含量都显著高于落叶松纯林。落白混交林的DBHG、M、NPP均显著高于落叶松纯林。在0-20 cm和20-40 cm土层中，土壤SOC、TN、TP含量均与DBHG、M和NPP呈极显著正相关（P < 0.01）；在40-60 cm土层中，土壤SOC、TN、N/P与M和NPP呈极显著正相关（P < 0.01）。本研究表明土壤SOC、TN、TP是促进华北落叶松人工林林木生长的重要因素，这对维持七老图山乔木-土壤系统结构稳定具有重要意义。（图3 表6 参40）

关键词： 主动学习   深度学习   不确定性  

摘要： 随着深度学习技术的不断进步，其已经在许多领域广泛地应用。但深度模型的训练需要消耗大量标注数据，时间与资源成本高，如何利用尽可能少的标注数据达到最佳模型效果成为一个重要的研究课题。主动学习正是为了解决这一问题，其旨在选择最有价值的样本进行标注并用于模型训练。传统的主动学习策略通常关注不确定性或多样性，旨在查询最困难或最具代表性的样本。然而，在主动学习问题中，这些方法通常没有考虑标注样本和无标注样本之间的交互作用。另一类主动学习方法则使用辅助网络用于样本选择，但这些方法通常会增加计算复杂度。在上述背景下，提出一种新的主动学习算法，旨在通过考虑不同样本之间的相互作用，通过综合衡量候选样本对其它样本的影响力与不确定性，最大限度地提高模型的整体性能增益。算法首先根据样本隐含层表征之间距离估计样本相互之间的影响力，进一步根据候选样本的影响力与无标注样本的不确定性估计该样本能够带来的潜在增益，并迭代地选择全局增益最大的样本进行标注。进一步在一系列不同领域的多种任务上将该方法与的其它主动学习策略进行了比较，实验结果表明，该方法在所有任务中的表现均显著优于所有基线方法。进一步的量化分析实验也证明该方法在不确定性和多样性之间取得了良好的权衡，并探究了主动学习不同阶段应该注重的因素。

关键词： 多智能体强化学习   图注意力网络   集中训练分散执行   多智能体协作   多智能体通信  

摘要： 目前，多智能体强化学习在各类合作任务中被广泛应用，但在真实环境中智能体通常只能获取部分观测值，导致合作策略的探索效率低下，并且智能体共享奖励值，导致智能体难以准确衡量个体贡献。针对这些问题，提出一种基于图注意力的分组多智能体强化学习框架，有效提高了合作效率并改善了个体贡献的衡量。首先，构建图结构的多智能体系统，通过图注意力网络学习个体与邻居的关系进行信息共享，用于扩展智能体个体的感受野，来缓解部分可观测的限制并有效衡量个体贡献。其次，设计了动作参考模块，为个体动作选择提供联合动作参考信息，使智能体在探索时更高效、多样。在两个不同规模的多智能体控制场景下，提出的方法对比基线方法取得了显著的优势，消融实验证明了图注意力分组方法和通信设置的有效性。