煤矿安全风险辨识文本包含丰富的风险特征描述与专家经验知识,深入挖掘这些文本对实现风险等级预测具有重要价值。针对风险辨识文本存在小样本、短文本及语义复杂问题,提出了一种融合类别描述与增强嵌入的煤矿安全风险预测模型。该方法...煤矿安全风险辨识文本包含丰富的风险特征描述与专家经验知识,深入挖掘这些文本对实现风险等级预测具有重要价值。针对风险辨识文本存在小样本、短文本及语义复杂问题,提出了一种融合类别描述与增强嵌入的煤矿安全风险预测模型。该方法在句子级嵌入维度对文本进行数据增强,有效扩充训练样本;通过构建风险类别描述引入煤矿领域知识,并利用注意力机制对风险类别描述进行动态融合,为煤矿安全风险样本补充专业知识;使用双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络与Mamba算法对原始文本特征进行深度提取,获取煤矿文本复杂情境下的核心特征;最后使用动态门控机制融合各模块特征,输出预测结果。研究表明,该模型在小规模煤矿风险辨识数据集上准确率和F1均有不错的表现,可基于煤矿安全风险辨识文本为煤矿安全风险等级预测提供支持。展开更多
锂离子电池(Lithium Ion Batteries,LIBs)大规模应用对其安全性能提出了更高要求,而电池电解质的热特性是保障电池安全性能最关键的条件之一。目前,作为液态电解质向固态电解质过渡的半固态电解质经过研发积累已取得了较好的技术经济性...锂离子电池(Lithium Ion Batteries,LIBs)大规模应用对其安全性能提出了更高要求,而电池电解质的热特性是保障电池安全性能最关键的条件之一。目前,作为液态电解质向固态电解质过渡的半固态电解质经过研发积累已取得了较好的技术经济性。在半固态电解质中,由固态电解质基体和少量液态电解质组成的固液混合电解质(Solid Liquid mixed electrolyte,SLe)应用最为广泛。因此,为了有效提高LIBs安全性能,评估SLe的热特性是重中之重。采用常规三元高压电解液分别与磷酸钛铝锂和钽掺杂锂镧锆氧固态电解质组成两种体系的SLe作为研究对象,采用SEM、XRD、DSC-TG等测试手段,开展SLe的热特性研究。结果表明,两种体系SLe中的电解液和固态电解质均会发生少量化学反应,但体系中的主要物质不会发生改变。在温度上升过程中,两种体系SLe的固态部分均存在一个吸热过程,该过程可以吸收半固态电池热失控反应产生的部分热量,有助于缓解电池热失控行为,延长热失控发生时间,相较于传统液态电池表现出更优异的热稳定性。其中,随着温度升高,磷酸钛铝锂体系固态部分仅存在一个吸热阶段,而钽掺杂锂镧锆氧体系在先出现一个吸热阶段后300℃左右又开始出现一个强放热阶段,因此推测该体系的SLe性能优势更为显著,在高温应用场景中可能具备更高的安全潜力。展开更多
文摘煤矿安全风险辨识文本包含丰富的风险特征描述与专家经验知识,深入挖掘这些文本对实现风险等级预测具有重要价值。针对风险辨识文本存在小样本、短文本及语义复杂问题,提出了一种融合类别描述与增强嵌入的煤矿安全风险预测模型。该方法在句子级嵌入维度对文本进行数据增强,有效扩充训练样本;通过构建风险类别描述引入煤矿领域知识,并利用注意力机制对风险类别描述进行动态融合,为煤矿安全风险样本补充专业知识;使用双向长短期记忆(Bidirectional Long Short-Term Memory,Bi-LSTM)网络与Mamba算法对原始文本特征进行深度提取,获取煤矿文本复杂情境下的核心特征;最后使用动态门控机制融合各模块特征,输出预测结果。研究表明,该模型在小规模煤矿风险辨识数据集上准确率和F1均有不错的表现,可基于煤矿安全风险辨识文本为煤矿安全风险等级预测提供支持。
