吉旭
- 作品数：98 被引量：229H指数：8
- 供职机构：四川大学化学工程学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金四川省科技攻关计划更多>>
- 相关领域：化学工程自动化与计算机技术经济管理建筑科学更多>>
- 钢铁行业基于过程能力评价的集成质量管理系统研究
- 2012年
- 针对现代钢铁企业不断提高质量管理要求,探讨了过程能力评价和质量控制的核心技术-SPC方法,进一步提出基于过程能力评价的集成质量管理系统,设计并开发了其体系架构和功能结构,并被成功应用于钢铁企业,为钢企业提高质量管理水平,持续改进和提高产品质量提供了一种切实可行的方法和途径。
- 贺革林秋华吉旭
- 关键词：SPC
- 一种封闭园区安全防制整改一体化管理系统及装置
- 本发明公开了园区安全防制技术领域的一种封闭园区安全防制整改一体化管理系统，包括有控制单元与供电单元，还包括有与控制单元通信连接的显示模块、摄像头、信息储存模块、对应模块、传输模块、接受模块与终端单元；信息储存模块用于储存...
- 戴一阳吉旭卿粼波范薇
- 面向乙烷/乙烯分离的金属有机框架膜的大规模计算筛选被引量：1
- 2022年
- 相比于传统热驱动的低温蒸馏工艺,基于金属有机框架(Metal-organic frameworks,MOFs)的膜分离是一种在技术和成本上可行的乙烷/乙烯分离替代方案.为了加速MOF膜在这一气体分离领域中的应用,本工作提出了两步筛选策略对12,020个真实MOF膜材料进行了大规模计算筛选,其中MISQIQ04表现出最高的乙烷/乙烯膜选择系数(4.16)和较高的乙烷渗透率(4.35×10^(5)Barrer).通过结构-性能关系分析,可以发现窄孔径和低孔隙率的MOFs是选择性分离乙烷的最佳膜材料,并且乙烷的选择性吸附对乙烷/乙烯膜分离过程起着主导作用.与传统计算筛选方法相比,本工作所提出的筛选策略降低了约87.1%的计算时间成本.为了进一步缩短模拟时间,本工作还开发了机器学习分类模型以实现对高性能MOF膜的快速预筛选并探讨了该模型的可移植性.结果表明,增加数据集的多样性有助于提高所开发模型的可移植性和泛化能力.
- 程敏王诗慧罗磊周利毕可鑫戴一阳吉旭
- 关键词：分子模拟结构-性能关系
- 粘度比对原位微纤化共混物微观形态及力学性能的影响
- ＜正＞原位微纤化技术为通用塑料高性能化提供了新的方法。普通共混物合金[如工程塑料polyethylene terephthalate（PET）,polyamide（PA）,polycarbonate（PC）与通用塑料po...
- 易新吉旭王玉领徐玲李忠明
- 关键词：原位成纤聚丙烯聚对苯二甲酸乙二醇酯增容剂
- 文献传递
- 基于改进案例推理算法的绿氨在线优化方法
- 本发明提供了一种一种基于改进案例推理算法的绿氨在线优化方法，包括：基于绿氨生产过程DCS和LIMS数据对输入、生产工艺和输出变量数据进行收集和处理，建立稳态工况案例库；基于测试输入和相似输入近邻案例对工艺变变量对应于该输...
- 张耘陌吉旭贺革蹇思雨
- 一步反应法原位增容PP/PET微纤化增强共混物
- 本说明书公开了一步反应法原位增容PP/PET微纤化增强共混物的方法，该方法将PP、PET和反应试剂按照一定配比混合后，经“熔融挤出-热拉伸-淬冷”过程，最后切粒制得原位增容的微纤化增强共混物。熔融挤出过程中发生原位增容反...
- 李忠明王玉领吉旭徐玲易新
- 文献传递
- 基于Socket传输的精馏数据传输方法
- 本发明提供了基于Socket传输的精馏数据传输方法，包括：步骤1，客户端封装数据：客户端采集需要在服务器端进行计算的数据，利用JSON数据转换格式，将输入的数据转换为即将转发的标准格式；步骤2，进行套接字编程：利用TCP...
- 蹇思雨张耘陌王振宇吉旭贺革戴一阳
- 光伏材料预测方法
- 本发明提供了一种光伏材料预测方法，包括：将化学分子的结构信息转换为SMILES字符串，并识别分子中的原子、键等；将SMILES字符串中的每个字符转换为其对应的ASCII码，从而将文本数据转换为多维向量的形式，以便神经网络...
- 吉旭黄小峰刘庭锐沈喆珺骆唐文马世远
- 基于智能算法的智能制造质量管理模型被引量：4
- 2017年
- 提出了面向过程行业的遗传算法优化的BP神经网络质量管理模型,在单输出人工神经网络模型应用广泛的背景下,利用多输出神经网络模型解决了多目标整体优化的人工神经网络的工业应用问题。以建筑材料混凝土生产的质量管理为例,选取塌落度和28 d抗压强度为优化目标,计算结果表明平均相对误差在4%以内,证明了此方法的可行性,为企业的质量管理提供了强有力的数据支持。
- 杜宇斯仁东吉旭
- 关键词：质量管理人工神经网络
- 基于多尺度上下文的英文作文自动评分研究被引量：1
- 2024年
- 目前作文自动评分模型缺乏对不同尺度上下文语义特征的提取,未能从句子级别计算与作文主题关联程度的特征。提出基于多尺度上下文的英文作文自动评分研究方法MSC。采用XLNet英文预训练模型提取原始作文文本单词嵌入和句嵌入,避免在处理长序列文本时无法准确捕捉到符合上下文语境的向量嵌入,提升动态向量语义表征质量,解决一词多义问题,并通过一维卷积模块提取不同尺度的短语级别嵌入。多尺度上下文网络通过结合内置自注意力简单循环单元和全局注意力机制,分别捕捉单词、短语和句子级别的作文高维潜在上下文语义关联关系,利用句向量与作文主题计算语义相似度提取篇章主题层次特征,将所有特征输入融合层通过线性层得到自动评分结果。在公开的标准英文作文评分数据集ASAP上的实验结果表明,MSC模型平均二次加权的Kappa值达到了80.5%,且在多个子集上取得了最佳效果,优于实验对比的深度学习自动评分模型,证明了MSC在英文作文自动评分任务上的有效性。
- 于明诚党亚固吴奇林吉旭毕可鑫
