基于Agent的用户界面模型研究

智能Agent被越来越多地应用于用户界面的设计中。该文介绍了几种基于Agent的交互式用户界面的设计思想,并基于此讨论了如何完善在矛盾的需求中折衷的方案。     

多Agent收益管理决策支持系统设计

介绍了自主开发的收益管理决策支持系统的体系结构,提出了基于多主体的决策支持系统结构框架,将多主体系统的组件抽象为主体和通信器两种,设计了上述体系结构下层次化的收益管理决策支持系统,重点分析了该体系结构下系统的集成性、开放性和复用性.这种设计可以在系统运行时灵活地进行功能重组.该系统已实际运行.     

直流纳网互联运行的在线能量管理方法

针对直流纳网互联形成的纳网群,提出一种在线能量管理方法,在纳网内部层面与纳网交互层面实现能量流控制。基于李雅普诺夫优化理论,构建虚拟储能队列,提出以提高光伏替代率与保证队列稳定性为目标的数学模型,将能量管理问题解耦为每个时刻的线性规划问题,不依赖系统中的未来信息,只需获取当下时刻的信息即可对纳网之间的交换电量做出实时决策。通过实际采集的用户负荷及光伏数据构造了仿真算例,结果验证了所提能量管理方法在满足纳网用户负荷需求的同时,有效地提高了可再生能源在直流纳网群中的消纳。同时,测试结果表明该算法决策时间较短,能满足系统的实时性要求。     

基于组织结构的多主体协作

基于主体组织的多主体问题求解可以降低问题求解难度和交互复杂性,其中多主体组织的形成规则和多主体的协作与规划是多主体合作的关键。文中提出了一种新的多主体组织模型和一组相关的组织原则,给出了组织规划的方法,提出了多主体组织的形成与消亡形式,并利用扩展的时序逻辑和π演算对上述结论进行了形式化描述,完善了基于组织结构的多主体协作理论,改进了多主体理论研究和多主体编程实践之间脱节的现状。     

消费者自身因素影响验光配镜质量

影响眼镜质量的因素是多方面的,消费者往往忽视了自身因素 其实消费者了解一些验光配镜知识,充分发挥主观能动性,就能配合配镜人员验光,减少和避免一些质量问题的产生。 一、选择有验光、配镜能力的眼镜店配制你所需要的眼镜。 消费者在选择眼镜店时注意查     

机电工程的安装施工分析

改革开放至今,已经走过了40多个春秋,我国的发展可以用"日新月异"和"突飞猛进"八个字来形容,尤其是在新时代的大背景下,越来越多的行业获得了长足的发展,其中最具代表性的当属机电安装行业.机电工程安装随着时代的发展,规模在不断地扩大,大众对机电设备的质量也加强了关注与重视.因此,本文主要对机电工程的安装施工进行认真的分析...     

具有自适应机械弹性的纳米纤维互锁多孔石墨烯复合气凝胶用于高度可逆的无枝晶锂金属负极（英文）

具有最高理论容量的锂金属被认为是下一代高能量密度电池中最有前景的负极,但长循环过程中的锂枝晶生长和负极的体积膨胀阻碍着其实际应用.尽管已有研究使用石墨烯气凝胶等三维主体用于容纳锂金属,但单一的石墨烯气凝胶难以承受充放电过程中负极的大体积变化.因此,本文制备了具有自适应机械弹性的聚酰亚胺纳米纤维互锁多孔石墨烯复合气凝胶(PI-HGCA),将其作为复合主体结构用于容纳锂金属.具有面内纳米孔的多孔石墨烯纳米片可以有效地调节锂离子通量并提供高度定向的离子转移路径.此外,三维复合气凝胶主体由水平排列的多孔石墨烯片层和互锁的聚酰亚胺纳米纤维构成,其在长期循环过程中对负极的体积变化表现出高度可逆的自适应压缩弹性.预锂化的PI-HGCA负极在对称电池中显示出极低的过电势(46 mV),并具有1300次的长循环寿命;其与LiFePO₄正极所组装而成的全电池在1 C下经过800次循环后仍然显示出81.2%的超高容量保持率,表明该互锁气凝胶复合结构在高能量密度锂金属电池中具有巨大应用潜力.     

对《大气采样器》检定规程中检定方法的探讨

一、存在的问题大气采样器（以下简称＂采样器＂）主要以采样泵抽取样品,定量采集大气中气态或蒸气样品,用于分析其中的相关组分含量。采样器中的流量计是保证定量采集的关键部分。当前使用的流量计主要类型有浮子流量计、气体质量流量计（热式质量流量计、旁通毛细管加热型多用于小流量）等。     

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度（AP）较传统方法分别提高了99.5%和91.9%。