大空间建筑机械排烟系统联动控制的可靠性设计

通过对排烟风机、排烟口（阀）控制的分析得出，提高排烟口（阀）控制的可靠性以及提高排烟口（阀）与排烟风机联动控制的可靠性，是保证机械排烟系统具有高的可靠性的关键。结合工程实例，对大空间建筑机械排烟系统联动控制进行了可靠性设计。     

基于Dijkstra-ACO混合算法的应急疏散路径动态规划

现代建筑设计趋于多样化,内部结构和功能越来越复杂,而传统疏散系统逃生指示方向固定、人员疏散时间较长,火灾发生时,不能够及时改变指示方向,易将逃生人员导向危险区域,威胁被困人员生命安全。该文提出了一种Dijkstra-ACO混合路径动态规划算法,在Dijkstra算法获得全局最优路径的基础上再采用蚁群优化(ACO)算法对每个节点进一步优化以获取最优路径,并节省算法运行时间。通过实验仿真验证了混合算法的有效性,能够根据起火点动态规划疏散路径,及时调整疏散指示方向,为火场中人员疏散逃生赢得宝贵时间。     

基于相干和互谱估计的延时基因网络构建

针对基因之间的延时调控关系,从数字信号处理的角度将基因表达数据视为离散的时间序列,提出了基于小波去噪、相干和互谱估计的时间延迟基因网络构建方法,并初步构建了延时基因调控网络.该网络能够更好地反映生物现象的内部作用过程,为进一步分析基因之间的功能提供了参考.     

基于相干和互谱估计的延时基因网络构建

针对基因之间的延时调控关系,从数字信号处理的角度将基因表达数据视为离散的时间序列,提出了基于小波去噪、相干和互谱估计的时间延迟基因网络构建方法,并初步构建了延时基因调控网络.该网络能够更好地反映生物现象的内部作用过程,为进一步分析基因之间的功能提供了参考.     

基于项目驱动的建筑电气与智能化专业核心课程群建设与实践

郑州轻工业学院建筑电气与智能化本科专业,根据社会对应用性人才的需求及时修订人才培养方案和教学计划,秉承"请进来走出去"开门办学的理念,与企业深度结合,以实际工程项目为驱动,从核心课程群的合理划分、教材和课堂教学以及实践环节等方面进行核心课程群的建设与实践,提高了学生的实践能力和就业竞争力,取得了良好的社会声誉和就业质量。     

基于改进的A*和人工势场算法的火灾路径规划

传统火灾疏散过程中疏散指示灯指示方向固定,无法根据火灾情况改变疏散方向,为了解决这种情况,提出改进的A*算法和人工势场算法,对火灾发生时的人群疏散路径进行规划。通过优化g 值、改进OPEN 列表存储结构的方法改进A*算法,通过改进引力函数、加入虚拟侧向力的方法改进人工势场算法,以达到火灾应急疏散的要求,即快速找到疏散路径的同时远离着火区域。通过实验仿真验证了两种改进算法的可行性,可以在时间和环境双重约束情况下成功避开障碍、远离起火位置、找到安全出口。     

柔性导师制人才培养模式探索

招生规模的扩大和社会对大学毕业生水平的高要求使我国出现了大学生就业难这一社会问题。导师制这一人才培养模式对提高教育质量有着积极的促进作用,但同时也遇到了难以实施这一难题。为了提高导师制的有效性、可操作性,提出了柔性导师制这一新理念。通过多年的实践表明,柔性导师制有助于解决现有本科生导师制实践效果不理想的问题,具有针对性强、可操作性好的特点,在提高人才培养质量上能够发挥更大作用。     

基于小波变换的基因表达数据去噪聚类分析

提出了一种基于小波变换的基因表达数据去噪聚类分析方案,介绍了其理论根据和算法,并给出了Matl曲仿真结果.表明本方法能够减少传统聚类方法受到噪声影响的程度,处理后的数据聚类结果具有更高的准确度.小波变换对数据的压缩和并行运算的特点,提高了大规模多维数据处理的速度.     

基于CHHO优化LSTM的火场环境预测模型研究

准确预测火场环境变化有助于精准掌握火情的发展趋势，保障人员的安全。由于火场环境多参数并存、耦合关系复杂，且具有时序性和非线性，难以建立准确的预测模型，因此提出了一种基于改进哈里斯鹰算法的自注意机制长短期记忆网络模型，实现了对火场环境数据的精准预测。首先，将Logistic映射策略、余弦权重因子、高斯扰动策略引入哈里斯鹰优化算法，丰富算法的种群多样性、平衡其全局探索和局部开发能力、提高算法的收敛精度。然后，利用改进后的哈里斯鹰优化算法对自注意机制长短期记忆网络模型中的超参数进行优化，基于优化后的参数对火场环境进行预测。仿真结果表明，基于改进后的哈里斯鹰优化算法的自注意机制长短期记忆网络模型拟合效果更好，具有更高的预测精度。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。