可视化智能融合导航系统

本文以提高导航系统的精度、可靠性、智能化和可视化程度为目标，利用智能工程的思想与方法将信息融合、人工智能和可视化技术综合应用于多传感器组合导航系统中，提出了面向２１世纪控制与导航技术的新一代导航系统概念—可视化智能融合导航系统，并对其功能、组成及关键技术进行了研究。     

计算机辅助工程(CAE)及其发展

 CAD/CAM/CAE三者中，前两者概念较直观，CAE概念则是发展的，涵盖范围 广，比较灵活. 当前，CAE已由数值计算发展到仿真，并向CAD/CAM全面融合的虚拟现实拓 展. 随着有限元技术的成熟以及神经网络、遗传算法等智能算法的引入，计算机辅助工程分 析不仅服务于详细设计，而且支持总体方案设计. 基于产品研发过程，对CAE本身进行 了分析，全面阐述了CAE的目标、物理内容、算法，说明了有限元/人工智能在方案设计中 的应用. 对优化技术的发展历程进行了回顾，并展望了未来CAE的发展动向及若干重要问题.     

基于模式运算的工程设计方法

研究了复杂的工程设计决策过程,讨论了设计问题的五个性质,提出了两类不同速度的设计过程:以模式识别为基础的快速设计过程和以模式加法、模式联想为基础的慢速设计过程。此外,还讨论了模蝴集合论和人工神经网络在实现模式运算中的应用。     

导航源智能管理

文中用Ｆｕｚｚｙ（模糊）控制方法来管理导航源，根据飞行环境实时选择组合模式，并以ＩＮＳ／ＧＰＳ／ＴＡＮ系统为对象作了仿真。结果表明，应用模糊管理器的智能组合导航系统计算量小，实时性好、可靠性高。     

中国制氢技术的发展现状

氢能是一种高效清洁的二次能源,在实现“碳中和”目标中起重要作用。随着制氢规模不断扩大、制氢成本不断降低,氢能将有望与电能共同成为二次能源主体,通过氢电互补推动我国能源结构转型、降低碳排放、保障我国能源安全。目前,我国已成为世界第一大产氢国,主要有三类工业制氢路线:化石燃料重整制氢、工业副产氢和清洁能源电解水制氢。依托清洁能源发展起来的其他制氢新技术,如太阳能光解水制氢、生物质制氢、核能制氢等也受到广泛研究和关注。此外,制氢系统组成复杂,建模和优化难度高,人工智能在制氢系统的预测、评估和优化方面表现出独特的优势,受到国际学者的关注。本文结合最新研究进展,对上述制氢路线的发展情况进行了综述,并通过技术成熟度、经济性和环保性比较,结合国情对我国未来氢气供应结构做出展望。同时,本文综述了人工智能在制氢系统中的最新应用进展,以期为我国制氢工艺发展提供新思路。     

混凝土框架结构智能化CAD中的设计规范处理

本文研究了建筑结构设计规范中设计知识的处理技术,提出了设计知识形式化描述的概念,探讨了基于设计规范的设计问题求解控制结构。从而成功地将设计规范中不同形式的设计知识应用于CAD系统之中,为设计型知识系统知识库的扩充与完善提供了新的途径。     

元宇宙的技术架构

元宇宙的出现为我们描绘了未来世界的蓝图,人类可以通过传感设备进入虚拟世界进行工作、学习、游戏和社交,体验更加丰富精彩的人生。本文从元宇宙的概念开始,分析了元宇宙所具有的特性,将元宇宙目前的应用场景以及相关技术按照用途和执行功能的不同划分为五层,构建了技术角度下的元宇宙架构,并对即将到来的元宇宙世界所存在的安全和隐私问题进行了分析,最后介绍了元宇宙目前在教育、建筑、医疗、游戏行业的应用。     

城市交通废气污染现状及其预测方法

随着工业化、城市化的发展,城市交通引起的废气污染对环境和人类健康的潜在影响 正日益引起世界各国的普遍关注. 为了更加有效地了解城市交通废气污染问题,就其污 染现状、污染物变化特征、污染物浓度模拟及其预测方法等几个方面作一简要介绍,为力志 于城市交通废气污染的研究者提供借鉴.     

数智流体力学的发展及油气渗流领域应用

大数据及人工智能技术的崛起推动了数智流体力学的快速发展.数智流体力学是将流体力学、大数据和人工智能相结合,以流体力学场景需求为导向,形成以“数”为基础,以“智”为核心,以算力为支撑的新研究范式.核心内涵是要以数据驱动为主,融合物理信息、专家经验等先验知识,利用智能化手段构建“数据+物理”双驱动的数智模型,解决场景需求问题.数智流体力学在建模灵活性、运算效率、计算精度方面具有十分明显的优势,其应用潜力已经在多尺度流动、多场耦合以及流场建模等方面得到验证.数智流体力学研究范式包括数据治理和智能算法构建,其中数据治理工作尤为重要,治理后的数据质量是智能算法能否发挥其价值的关键.智能算法中“数据+物理”协同驱动主要存在四种引入机制,分别是基于输入数据的嵌入机制、基于模型架构的嵌入机制、基于损失函数的嵌入机制和基于模型优化的嵌入机制.以油气领域应用为例,介绍了数智流体力学在储层物性参数预测、压裂效果评价以及注采参数优化等方面的一系列研究进展.数智流体力学是流体力学未来的重要发展方向之一,以场景需求为导向、深度融合物理信息等先验知识的新一代智能理论与方法是数智流体力学发展的必然趋势,能够从崭新的角...     

机器学习在心血管疾病辅助诊断中的研究:现状与未来进展

心血管疾病具有高发病率、高住院率、高致残率、高死亡率等特征,伴随高额的治疗疾病负担,早期准确诊断心血管疾病意义重大.以机器学习(ML)为代表的人工智能心血管疾病辅助诊断技术为诊断心血管疾病提供了新方法.基于ML疾病诊断技术日趋成熟,且在各类心血管疾病中取得诸多进展,包括冠心病、心力衰竭及心律失常等.本文综述了ML在心血管疾病辅助诊断中的技术背景和研究现状,分析了该领域在临床转化应用方面的挑战,并对未来研究进行了展望.