本技术公开了一种低温环境下的锂离子电池预热方法及系统，该方法包括:对锂离子电池进行实验数据分析，构建锂离子电池RC等效电路模型与锂离子电池热模型；对锂离子电池RC等效电路模型与锂离子电池热模型进行仿真，获取锂离子电池仿真数据集；通过神经网络回归预测模型与多目标优化算法对锂离子电池仿真数据集进行优化处理，得到锂离子电池最优预热参数；基于锂离子电池最优预热参数对锂离子电池进行最优预热处理，得到预热后的锂离子电池。本发明能够在不同低温条件下寻找使电池达到最大可用能量的最优预热参数，降低预热能耗，提高整体能量利用率。本发明作为一种低温环境下的锂离子电池预热方法及系统，可广泛应用于锂离子电池处理技术领域。

 本技术公开了一种基于WGAN‑GP与注意力机制的民机液压系统数据增强方法，基于带梯度惩罚的瓦瑟斯坦生成对抗网络，构建一组卷积神经网络与反卷积网络，深度提取样本高维特征，增强生成样本的真实性；加入自注意力机制，使得网络对数据影响更大的特征增加更多关注从而生成质量更高的样本；在每层卷积后添加实例标准化层取代批标准化以适应小样本的情况，在批量比较小时保持每个生成样本的独立性并加速模型收敛；使用基于独立森林的滤波方法去除与真实样本相差过大的生成样本，删除混合在生成样本中的低质量样本，提高生成样本的质量。本发明从数据生成角度改进了现有的数据增强方法，可用于民机液压系统故障样本稀缺情况下的数据增强。

 本技术涉及一种基于历史数据和实时速度预测的插电式混合动力汽车分层能量管理方法，属于新能源汽车技术领域，包括以下步骤:S1：获取单个车辆的历史通勤数据并进行预处理，建立历史通勤数据集，并对未来全局驾驶工况进行预测；S2：构建车辆零部件简化模型，使用动态规划算法求解最优参考SOC轨迹；S3：利用神经网络构建实时速度预测器，实现车速实时预测；S4：结合最优参考SOC轨迹对实时速度预测结果进行优化，使用PMP‑MPC算法实现能量管理。

 本技术公开了一种基于深度学习的可调声子晶体的构型生成方法、计算设备、计算机程序产品及存储介质，基于深度学习的可调声子晶体的构型生成方法在计算设备中执行，该方法包括:将指示待生成声子晶体构型的色散关系的第一特征频率向量输入至构型生成模型中处理，得到至少一张候选构型图像；针对每一候选构型图像，对其进行图像预处理，得到多张相似图像；将各相似图像分别输入至色散关系预测模型中处理，得到表示各相似图像的色散关系的第二特征频率向量；分别计算第一特征频率向量和各第二特征频率向量的平均绝对百分比误差值，并选取对应平均绝对百分比误差值最小的第二特征频率向量所指示的相似图像，作为待生成声子晶体的构型图像。

 本技术公开一种基于EEMD‑SSA‑SVR模型的船舶在泊时间预测方法，所述方法包括以下步骤:步骤1、数据获取及处理：获取原始数据并进行数据清洗、分解、归一化处理；步骤2、参数寻优：利用SSA进行参数寻优，以优化SVR模型的惩罚系数C和核函数参数g；步骤3、预测模型构建及训练：构建预测模型即EEMD‑SSA‑SVR模型并训练，利用训练完成的预测模型对在泊时间进行预测；步骤4、预测精度评估：采用决定系数R2、平均绝对误差MAE和均方根误差RMSE对模型的预测性能进行定量评估。本发明所述方法基于EEMD‑SSA‑SVR模型实现了对船舶在泊时间的高精度预测，相对于其他传统模型预测精度有很大提升，提高了船舶在泊时间预测的准确性，为实现港口的集约化、绿色化和可持续发展提供科学依据。

 本技术提出了一种基于深度学习的空化反应器空化强度预测方法及系统，涉及空化技术领域，包括:获取待预测空化反应器的形状参数；将形状参数输入到训练好的强度预测模型中，进行空化强度的预测；对预测结果进行解释，得到不同形状参数之间交互作用对空化强度的影响；其中，强度预测模型利用数值仿真获得的训练集进行训练，训练集的构建方法是对空化反应器形状参数进行随机取样，构建空化反应器形状空间，对空化反应器形状空间进行数值仿真得到空化强度，形状参数与空化强度作为一个数据项，组成训练集；本发明根据数值仿真获得的训练集，对改良的神经网络进行训练，从而建立起空化反应器形状因素与空化强度之间的非线性联系，实现空化强度预测。

 本技术属于知识图谱多跳问答技术领域，尤其涉及一种基于双向交叉注意力和图提示的知识图谱问答方法及系统；方法包括:获取问题上下文文本的语义表示和文本表示以及该问题对应的知识图谱子图；利用多层交互模型将文本表示与知识图谱子图进行多层交互，利用更新后的文本表示和图节点计算代表全图信息的提示向量，并利用提示向量增强语义表示；将增强后的语义表示以及图节点表示输入至多层感知机，得到该问题对应候选选项的得分。本发明利用多层交互模型对文本表示与知识图谱子图中的图节点表示进行多层交互，确保了文本和图数据能够相互作用；有效解决了知识图谱问答推理过程中文本向量和图向量独立更新的问题。

 本技术提供了一种通信受限场景中多AUV系统的任务分配方法，属于AUV技术领域，包括以下步骤，S1、建立马尔可夫决策模型；S2、利用线性回归算法设计策略估计模块；S3、根据步骤S2的策略估计模块设计指导协作的奖励函数；S4、包括以下步骤，改进分布式多AUV系统的DQN算法。本发明利用策略估计模块对每个AUV实时的策略进行估计，从而实现了无通信状态下AUV间的信息互换，以此完成了多AUV系统高效协作地访问任务目标，极大程度上提高了整体的效率及性能。

 本技术公开一种基于预训练融合多源数据的锂电池SOH估计方法，该方法包括:采集恒压充电电流数据和电化学阻抗谱数据；数据预处理并形成数据集；构建预训练任务1，通过编码器1和编码器2输出两种特征，根据特征片段之间的余弦相似度构造任务1的损失函数loss1；构建预训练任务2，分别随机对两种特征的片段掩码，通过编码器3输出融合特征，搭建两个解码器重构掩码片段，得到重构损失loss2和loss3，基于相关性加权得到任务2的损失函数loss4；将编码器冻结与估计器组成SOH估计模型；在线估计SOH。本发明通过两个预训练任务使编码器可充分融合两种数据老化信息，精确估计锂电池SOH。

 本技术公开了一种基于词汇增强和字符外部信息的中文实体识别模型和方法，解决了未能充分利用汉字外部信息和仅依赖词频确定匹配词静态权重的问题。中文实体识别模型依次连接有汉字信息提取部分、含有动态匹配词特征的汉字特征提取部分、增强字符嵌入和部件嵌入的双路编码器部分以及解码输出部分。实现方法包括有数据清洗、含有动态匹配词特征的汉字特征提取、增强字符嵌入和部件嵌入的双路编码和解码输出。本发明用双路编码结构将汉字的词汇、拼音和部件信息融合于模型；提取匹配词特征时用动态权重对匹配词嵌入加权，更均衡合理，避免权重分配过于偏向高频词，提高了泛化能力和识别精度。用于从非结构化的输入文本中抽取中文实体。