15 MW级大型漂浮式风力机运动特性

为了研究不同湍流模型、湍流度及不同风速作用下漂浮式风力机（FOWT）基础的运动特性，以国际能源署（IEA）公开的15MW级大型半潜式浮式风机为研究对象，采用OPENFAST软件对浮式风机进行全耦合时域仿真模拟，对平台的纵荡、纵摇和垂荡运动特性进行研究分析。研究发现：在正常湍流作用下，风速高于额定条件时，平台在压载水主动调节作用下使得纵荡更加稳定，但伴随着风速增大，其对平台纵摇和艏摇的影响越剧烈；在极端湍流作用下，风速低于额定条件时，风机运行效率低，而在高于额定条件时，艏摇运动幅值增大，纵摇和垂荡运动表现得更加稳定。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

ROV attitude control based on multi-motor cooperative propulsion北大核心CSCD

[目的]为了提高遥控水下航行器(ROV)在复杂水下环境中的姿态控制性能,开展多电机协同推进的ROV姿态控制研究。[方法]首先,针对多电机系统的结构和算法,分别提出一种基于PID速度补偿器的偏差耦合结构和一种新型非奇异终端滑模控制(SMC)算法,并设计一种新颖的基于多电机协同推进的ROV姿态控制方法;然后,建立ROV的运动学和动力学模型,开展推进器组推力建模分析、解耦简化ROV动力学模型研究;最后,设计一种ROV滑模姿态控制器。[结果]仿真结果表明,所提的结构和算法可提高多电机系统的抗干扰性、同步性和快速响应能力,进而提高ROV姿态控制系统的稳定性与鲁棒性。[结论]所提方法可为ROV姿态控制提供一种新的可用方案。     

芳香硫酸酯酶定点饱和突变方案的比较

目的比较随机引物与精确引物PCR扩增实施绿脓杆菌芳香硫酸酯酶(Pseudomonas aeruginosa arylsulfatase, PAAS)定点饱和突变的整体效率及成本,以建立高效实用的定点饱和突变方案。方法以大肠杆菌碱性磷酸酶(Escherichia coli alkaline phosphatase, ECAP)与PAAS融合表达质粒为模板,分别用针对PAAS目的位点的随机引物、精确引物等量混合物及单个精确引物,进行全质粒PCR扩增构建定点饱和突变体库;碱裂解细胞后高通量测定PAAS突变体与ECAP活性比值进行筛选,比较3种定点饱和突变建库方案需筛选的单克隆数量、所获突变体种类、整体耗时、整体成本及影响因素。结果用随机引物PCR对M72位定点饱和突变有明显密码子偏好性,筛选超600个单克隆仅获得10种预期突变体,但对G138位定点饱和突变未见明显的密码子偏好性且筛选不到150个单克隆获得18种预期突变体;精确引物等量混合物对M72位实施定点饱和突变,筛选不超过190个克隆成功获得19种预期突变体;单个精确引物对M72位逐个PCR实施定点饱和突变,仅各筛选2个单克隆就获得19种预期突变体。单个精确引物逐个PCR实施定点突变所获饱和突变体库完整,需筛选的单克隆数最少,总耗时和总成本最低;相比之下,用随机引物和精确引物等量混合物实施定点饱和突变时,所需筛选的单克隆数、整体耗时及成本均显著增加。结论解析序列-活性关系时,用单个精确引物逐个PCR实施定点饱和突变有显著整体成本和效率优势;仅筛选阳性突变体时,用精确引物等量混合物进行PCR建库在成本和效率上更有优势。     

船舶航行器活塞式发动机效率优化分析与研究

为解决船舶航行器活塞式发动机效率较低的不足,提出了航行器活塞式发动机效率优化分析与研究。基于航行器活塞式发动机的充气方式优化,提高航行器活塞式发动机的热效率,降低发动机机械运行阻力实现运转高速化,完成了航行器活塞式发动机效率优化。试验数据表明,提出的优化方法,较未进行优化的船舶航行器活塞式发动机,发动机效率提升8.25%,适合船舶航行器使用。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。