復雜體系構建的案例
GROMACS復雜體系構建之利用CHARMM-GUI工具
之前本公眾號介紹過GROMACS中膜蛋白體系的構建。按照官方的介紹，通過將磷脂構象盒力場準備好，然后在模擬盒子內進行磷脂的組裝，最后將蛋白嵌入在磷脂膜內。上述步驟雖然可以較為準確的構建模擬體系，但是并不方便調整，例如磷脂多樣性的選擇以及膜蛋白在膜內的位置和角度。本次向大家介紹一種方便的體系構建方法：利用CHARMM-GUI工具構建。
首先可以打開在線網站(https://charmm-gui.org/ )，找到輸入生成選項以及膜的構建選項。這里我們可以看到可以構建純磷脂膜體系，也可以構建膜蛋白-膜復合體系。在此我們以較為復雜的膜蛋白體系為例。
通過直接輸入蛋白的PDB ID。該網站就可以幫我們搜索到需要的蛋白
蛋白選擇之后，我們還可以選擇蛋白在膜內的的旋轉角度和平移方向及距離。
點擊下一步驟之后，我們可以看到磷脂類型的選項。該工具可以非常方便的選擇不同比例的磷脂類型。在此選擇上下層膜都為50%的DOPC和50%的POPC。確定體系大小并點擊顯示體系信息之后，我們可以明確看到磷脂雙層膜的組成成分和數量。并進一步選擇體系中的離子濃度和類型。
在構建過程中，我們可以預覽體系構型，并根據實際情況進行位置和角度的調整。該工具另外一個非常方便的地方在于可以很好的產生對應的力場，不需要自己去繁瑣的改動和增加。在此我們可以選擇力場類型，模擬軟件，溫度和系綜等細節信息。
最后我們可以查看此工具生成的mdp文件、立場文件、構型等文件。確認無誤之后便可以進行類似于之前介紹過的模擬。在此需要注意，此處存在多個預平衡文件，因為膜蛋白體系比較復雜，所以需要逐漸對體系進項平衡，保持模擬穩定性。
展開 Gromacs模擬體系構建----進階版
之前，本公眾號介紹過一系列體系的模擬以及gromacs的使用辦法和教程。本次，將為大家介紹一種進階版的模型構建方法。
在之前的介紹中，我們了解到可以通過insert-molecules和editconf等命令構建模擬初始體系。例如構建一個大小為5 nm的盒子并添加指定數目的溶劑分子，溶劑分子在盒子內隨機分布：
gmx insert-molecules -ci AAA.gro -nmol 1000 -box 5 5 5 -o box.gro
但是如果需要對這個體系進行指定操作，例如不是隨機分布而是有規律的排列，此時可以用到genconf命令，對溶劑或者溶質分子進行指定的操作：
gmx genconf -f AAA.gro -nbox 8 8 8 -o box.gro
在這個命令中，我們對分子進行了定向排布，各方向上排列8個，呈陣列狀。
除此之外，目前還會經常遇到的問題是兩相體系的構建比如水油界面等體系。此時就需要進行兩相分開。對于初學者或者沒有一定編程能力的同學而言，這種體系較為復雜，不過我們還是可以轉換思路，通過gromacs的指令進行操作。
展開 如何構建智能駕駛泛場景數據體系？
中國有全球最大的交通路網、最大的人口基數，中國的實際交通狀況紛繁復雜，適用于中國環境的駕駛場景數據更需要從真實世界數據出發，建立豐富和全面的駕駛場景庫，從而解決智能駕駛面臨的長尾問題。從企業側及行業側的迫切需求及海量數據的實踐應用出發，智能駕駛泛場景數據體系的建立迫在眉睫。
中汽數據有限公司（以下簡稱“中汽數據”）圍繞智能駕駛泛場景的應用與推廣，聚焦行業共性難題，從數據、場景、標準、評價多個維度展開研究及實踐，完成智能駕駛泛場景數據體系架構構建、跨仿真器通用場景數據驅動引擎工具鏈開發，并以標準及白皮書等形式面向國際持續輸出“中國經驗”，全方位促進智能駕駛技術研發落地。2022年3月4日，中汽數據面向全行業發布“智能駕駛場景數據體系”系列成果。
成果一：首次發布面向智能駕駛的泛場景數據體系架構
相對于傳統的“場景”概念，“泛場景”的概念是從基礎數據拓展到了業務應用，從智能駕駛系統核心安全理念出發，覆蓋智能駕駛全生命周期應用范疇。其中，泛場景數據不僅支持智駕系統研發及驗證，而且貫穿從設計、研發、驗證，并將場景延續到智能駕駛多個上下游領域，支持智能網聯汽車全生命周期生產研發。
中汽數據發布的“面向智能駕駛的泛場景數據體系架構”，是以基礎數據及行業需求為出發點，通過場景環境數據、車輛信息及駕駛人員信息等數據采集，數據清洗、數據標注、數據融合及數據分析等數據處理，打造包含功能場景庫、測試用例庫及訓練數據集的基礎場景庫，完善并豐富智能駕駛場景的現有理論。與傳統場景數據架構單純側重面向功能驗證不同，泛場景數據體系架構延伸到企業研發、行業管理及全業務應用領域，提出從設計、準入、研發到測試、驗證評價、再到制造、使用、應用的完整技術服務體系，實現企業與行業的優勢互補。
展開 構建智慧電廠安全管理體系的方法
針對這些電廠普遍存在的問題，云酷科技從三個維度入手來搭建智慧安全體系：基于三維可視化的人員定位管控、設備監控以及作業安全管控，分別對應人員安全、設備安全及作業安全。
人員安全：人員定位管控
人員安全是所有安全工作的前提，所有的安全工作都應以人為本。通過高精度UWB定位技術與虛擬現實技術、大數據分析、圖像識別以及人臉識別技術的融合，配合以三維模型的視覺輸出，實現動態的生產設備信息、人員基本信息、人員位置信息、生產作業信息全面監控，做到人員安全的智慧化管理。
設備安全：鍋爐防磨防爆管控
云酷科技用信息技術賦能鍋爐防磨防爆傳統管理業務，通過三維可視化平臺，利用日常運行與檢查過程中的各類數據，為運行、檢修人員的設備狀態監控、劣化趨勢評估、防護措施選取、檢修工作安排等工作提供便捷的輔助工具，實現變被動應對為主動干預。
作業安全：安全全過程管控
安全全過程管控平臺通過動態標準安措庫、電子化風控庫等信息手段，形成涵蓋標準庫維護、現場作業風控學習、現場風控考試、現場安全痕跡記錄、事故分析與追溯等全閉環的安全管控體系，有效解決現場安全風險識別、現場作業安全執行監督以及安全管理責任劃分與追溯的管理目標，使外委人員的安全管理落到實處、變被動安全為主動安全。
智慧電廠概念寬泛，要想建成真正意義上的全面智慧電廠，不論是對電廠還是服務商來說，都還有很長的路要走。新技術的快速發展逐漸讓這條道路變得越來越寬也越來越短，例如5G技術、云計算技術等都已在智慧電廠建設中展露頭角，相信在不遠的將來，所有的電廠都會變成更高效、更環保、更安全的智慧電廠。
展開 
探討如何構建端到端高置信度驗證體系？
通過大規模蒙特卡洛仿真，評估系統在這些隨機擾動下的性能表現，并以統計指標（如失效概率、置信區間）來衡量驗證結果的置信度
04 構建持續迭代的可驗證仿真體系
實現高置信度的自動駕駛仿真并非一蹴而就的技術集成，而是一個持續迭代、系統化的工程過程。它要求我們從物理第一性原理出發，深刻理解每一個環節的誤差來源，并為之設計可量化的驗證指標和標準化的閉環驗證流程。
本文提出的“三大挑戰”與“三大技術路徑”框架，旨在將抽象的“置信度”概念，分解為一系列具體的、可執行的工程任務。通過對傳感器、靜態場景和動態場景進行分層驗證與模型對齊，我們可以逐步縮小仿真與現實之間的差距，最終構建一個物理可信、數據可依、工程可用的高置信度仿真驗證體系。只有這樣的體系，才能真正成為加速自動駕駛技術安全落地、提升研發效率的核心驅動力。
基于物理級的傳感器模型、高精度的自研渲染引擎與 GS 場景重建技術，aiSim 能夠精準還原真實傳感器輸入和復雜道路環境，并通過自適應場景泛化能力實現對不同城市、天氣與光照條件的穩定遷移。依托這套可驗證的物理一致性框架，aiSim 有效縮小了仿真與現實之間的差距，構建了可工程落地的高置信度仿真體系。
展開 高職電廠設備運行與維護專業的課程體系構建與開發
高職電廠設備運行與維護專業的課程體系構建與開發.pdf
溫度-應力耦合作用下PTFE壓縮蠕變機理與檢測體系構建
聚四氟乙烯（PTFE）作為一種典型的高分子材料，憑借其卓越的耐腐蝕性、低摩擦因數和化學穩定性，經常作為往復液壓密封件使用。
然而，由于其長期處于承載條件下，故產生的壓縮蠕變會引起尺寸的變化，發生密封件根部擠壓損壞現象，在密封系統中影響密封性能。壓縮蠕變和磨損均會引起PTFE材料尺寸的變化，因此，深入研究 PTFE 的壓縮蠕變機理，建立科學的檢測方法，對提升 PTFE 制品的工程可靠性具有重要意義。
蠕變原理
蠕變可以分為三種形變普彈形變、高彈形變以及黏性形變。高分子在外力作用下三中心變同時產生。公式如下，式中σ 為應力；E1 為普彈形變的彈性模量；E2 為高 彈模量；τ 為松弛時間；η1 為本體黏度。
典型蠕變曲線如圖2，第一階段為減速蠕變階段，第二段恒速蠕變階段，第三段為加入蠕變階段，且直至斷裂。
圖2 典型蠕變曲線
目前國內外大部分為研究PTFE材料的拉伸蠕變行為，對于壓縮蠕變行為的研究較少。
壓縮蠕變測試標準
ASTM E139-11：標準蠕變、應力斷裂試驗方法，適用金屬材料
ISO 204:2018：非金屬材料高溫蠕變測定規范
GB/T 2039-2012：金屬拉伸蠕變及持久試驗方法
ASTM D2990-17：塑料蠕變和蠕變斷裂測試標準
JIS R 1611:2010：精細陶瓷高溫彎曲蠕變試驗方法
壓縮蠕變測試設備
國高材分析測試中心壓縮蠕變試驗機
技術參數：
力值傳感器量程:10KN，1kN;力值傳感器精度:
+0.02%
步進馬達:0.072°/
展開 構建高精度橡膠仿真模型：面向耐久性預測的材料測試體系
我們通過專業的材料參數識別技術與工程經驗，為您完成：
1
多軸測試數據的協同擬合，避免超彈性模型在復雜載荷下失準。
2
粘彈性模型（如Prony級數）參數的精確標定。
3
疲勞損傷模型（裂紋擴展與萌生）的建立與驗證。
4
各類老化、軟化效應的模型參數識別。
以下為我司測試所得拉伸試驗曲線與擬合曲線對比圖：
平面拉伸試驗曲線與擬合曲線對比圖
單軸拉伸試驗曲線與擬合曲線對比圖
等雙軸拉伸試驗曲線與擬合曲線對比圖
?
我們的價值：
提供體系化的解決方案
易瑞博科技專注于為橡膠與復合材料研發提供專業的測試與仿真解決方案。我們深刻理解構建精準材料參數體系的技術挑戰，所提供的系統化測試服務旨在直接支撐您的耐久性仿真與設計優化工作。
若您希望探討如何為您的產品構建精準的仿真材料參數體系，我們已準備好隨時提供技術支持。
—關注我們，了解更多精彩—
展開 光伏電站智慧化運維，構建高質量管理體系
隨著光伏電站規模的不斷擴大和復雜度的提高，傳統的運維和管理方式已經難以滿足現代光伏電站的需求。光伏智慧運維系統應運而生，構建高質量管理體系。
一、光伏智慧運維系統的原理
主要包括能源監測與數據采集、智能控制與優化調度、信息化平臺與運維管理。
首先通過安裝在光伏電站上的監測設備，可以實時采集光伏發電系統的各項數據，包括電壓、電流、功率和溫度等。這些數據通過物聯網技術傳輸到云平臺，形成大數據，為后續的運維和優化提供依據。
其次，在智能控制和優化調度方面，可以根據實時監測的數據和預設的優化策略，通過人工智能算法和模型預測，實現對光伏發電系統的智能控制和優化調度，最大限度地提高光伏發電系統的發電效率，降低能耗和碳排放。
最后，信息化平臺與運維管理是該系統的核心。通過構建集中管理的信息化平臺，實現對光伏發電系統的全面監控、運行狀態分析和故障診斷。在這個平臺上，運維人員可以隨時隨地監測和管理光伏電站的運行情況，并進行維護和故障處理。同時，信息化平臺也為各方接入提供了條件，實現多方合作、共享共贏的商業模式。
二、光伏智慧運維系統的未來發展
光伏智慧運維系統除向智能化方向發展外，在未來也將向無人化運維方向發展。運維人員可以通過互聯網，在辦公室或家中就能對光伏電站進行監控和管理，實現故障的及時發現和處理。無人機和機器人可以代替人工進行電站的日常巡檢，通過搭載的攝像頭和傳感器，對電站的設備狀態和環境進行監測，并通過無線通信技術，把監測的數據傳輸給遠程的運維人員。此外，機器人還可以進行一些簡單的維修工作，如更換故障部件等。
三、結論
光伏電站智能運維管理系統是光伏電站運維管理的重要工具，它能夠實現光伏電站的自動化、智能化和高效化。
展開 復旦閆強課題組：發展光點擊原位自組裝(LISA)構建層級可調的螺旋組裝體系
然而，目前大多數通過自下而上構建螺旋型組裝形態的報道都是采用傳統后組裝的方法，即將分子合成和分子組裝的過程從時間尺度上隔離開，但這類方法存在溶液處理步驟繁瑣、組裝濃度低的缺點。
近年來原位自組裝的策略興起，這種策略可使得分子的聚合過程和大分子的組裝同步進行，既可省略產物分離提純與溶液加工的冗長步驟，又可通過聚合參數（如反應時間或聚合度等）可控地調節組裝形態，應用廣泛。其中最具代表性的一類方法是“聚合誘導自組裝（polymerization-induced self-assembly, PISA）”。利用這種方法能夠規模化、快速制備諸如球形膠束、蠕蟲狀膠束、囊泡、甚至雙連續相等聚合物納米粒子。然而該策略也存在難以克服的瓶頸，在構建具有復雜超結構的組裝形態上，如螺旋或超螺旋結構中，難以發揮作用。
圖1. 第一類（PISA）與課題組發展的第二類原位自組裝策略（LISA）的機制對比。
近期，復旦大學閆強課題組利用合成化學中的點擊反應開發了第二類聚合物原位自組裝策略——光點擊原位自組裝（Light-click In-situ Self-Assembly, 命名為LISA），這種策略僅需兩種帶有光點擊基團的大分子作為前體，可指導前體間的點擊偶聯反應和偶聯物的組裝過程同步化，依序構建遍歷的聚合物組裝形態并通過光反應時間調控相結構演化順序（圖1）。課題組前期成功利用LISA策略獲得了對球狀粒子、柱狀粒子和囊泡體的原位裝配（詳見Macromolecules 2017, 50, 4276-4280）。
展開 復雜系統體系的建模與仿真——第1期“仿真大講堂”公益講座成功舉辦
1月24日，“仿真大講堂”第1期線上公益講座成功舉辦，本期報告題目為“復雜系統體系的建模與仿真—系統工程與仿真的融合”，由中國仿真學會制造系統仿真專業委員會主任委員、航天科工集團先進制造專家組副組長、復雜產品智能制造系統技術國家重點實驗室總技術負責人、“仿真大講堂”特邀專家朱文海老師主講。
在一個半小時時間里，朱文海老師圍繞“復雜系統體系的建模與仿真-系統工程與仿真的融合”的主題，從系統模型與仿真、系統工程基礎、建模與仿真基礎、MBSE剖析、建模與仿真的發展設想五個方面展開了深入淺出的講解，充分展示了朱老師在仿真理論方面深厚的學術素養及豐富的實戰應用經驗。報告還引用了大量的人文經典理論，比如“普拉克斯提斯之床”、“柏拉圖洞穴寓言”等，運用形象的比喻描述抽象的技術，可謂是金句頻出。整個課程對仿真行業發展的責任感體現得淋漓致盡。
朱文海老師主要研究方向為飛行器結構設計、并行工程、敏捷制造、虛擬采辦、智能制造等先進制造技術研究與應用。承擔了部委級重大、重點項目多項，在仿真、信息化、智能制造等領域積累了大量的經驗。曾獲國家科學進步二等獎1項、國防科學技術進步獎一等獎1項、二等獎7項，國家教育部科學技術進步獎二等獎1項。代表專著《從計算機集成制造到智能制造：循序漸進與突變》《制造業數字化轉型的系統方法論：局部服從整體》。
本期大講堂由中國工業合作協會仿真技術產業分會副秘書長、北京航天測控技術有限公司戰略規劃總體部經理付旺超主持。
本期講座報名人數850人，實時在線人數1232人。從仿真工程師到企業高管，從高校教師、科研院所專家到國央企仿真技術從業者，有的企業組織全體仿真技術人員一起觀看，有的人因為在返鄉的途中，索性在車上傾聽朱老師報告。
展開 
北京林業大學楊俊團隊《ACS Nano》：自催化納米纖維素增強體系構建新型“鹽包水”聚兩性離子水凝膠電解質
Interfaces 2020, 12, 56509?56521），設計了一種基于“單寧酸-金屬離子”自催化效果的納米增強體系。該體系能夠在室溫下幾分鐘內制備出一種新型的抗凍粘附“鹽包水”聚兩性離子水凝膠電解質，極大地延長了柔性鋅離子混合電容器循環壽命（100000圈），并有效地抑制了鋅負極枝結晶的形成。進一步研究發現，組裝的鋅離子混合電容器在電化學性能和機械性能方面均表現出優異的低溫適應性，能夠在冰水浴和真空條件等嚴苛環境下正常工作。
在該研究中，作者通過結合單寧酸包裹的納米纖維素（TCs）和氯化鋅（ZnCl2），構建了一種自催化的納米增強體系，體系中TCs上的酚羥基被Zn2+氧化為醌/半醌自由基，同時Zn2+被還原為Zn，迅速激活過硫酸銨產生SO4?·自由基，從而引發兩性離子甜菜堿（SBMA）和丙烯酸（AA）單體的快速凝膠化，最終成功獲得了具有優異力學穩定性、自粘附性和抗凍性能等多功能集成的“鹽包水”聚兩性離子水凝膠電解質（PZHE）。這種“鹽包水型”PZHE可以提供大量的離子遷移通道，提高鋅金屬電極的可逆性，從而極大減少副反應，延長循環壽命（圖1）。
圖1 基于自催化納米增強體系的自粘防凍PZHEs的設計策略
作者首先考察了自催化納米增強體系中的動態氧化還原反應（圖2）。
圖2自催化納米增強體系中動態氧化還原反應的表征
其次作者表征PZHEs的力學性能。結果表明PZHEs在超高力學強度方面的優越性，能夠承受極大變形和嚴重機械沖擊，從而保護構建的ZIHC免受嚴重機械變形的影響（圖3）。
展開 客戶相關的道路載荷大數據獲取和道路載荷分布模型的構建——西門子工業軟件公司CUCO技術體系簡介
全概率公式告訴我們：如果在比較復雜的情況下直接計算P(A)是不容易的（咱們這個P(A)算起來特別不容易），但是A總是隨著某個Bi伴出，適當構造一組Bi，往往可以簡化計算。CUCO正式在這種思路的指引下，構建了一組Bi（盡管Bi多了點兒，誰叫我們碰上的這事兒這么麻煩），這組Bi我們在CUCO中稱之為狀態空間（State Space）。
2CUCO項目中狀態空間的構建
我們需要從某型車輛構成的總體中進行適當的抽樣（如前所述，抽樣方法找機會另行成文介紹，這是一個有意思和有縱深的話題），抽出來n輛樣本車輛。如圖1(a)所述，我們對于每一輛樣本車輛安裝上不多的傳感器，安裝上一個小型的數據采集記錄設備（我們習慣稱之為CUCO Box），進行所謂的輕量化采集。CUCO Box主要記錄的數據包括：4路加速度傳感器獲得的模擬信號，GPS信號，CAN總線信號。經過細致的傳感器貼裝、CUCO Box安置、線纜連接和固定，我們可以并不困難的做到讓樣本車輛的駕駛人員感受不到相關傳感器、CUCO Box和多出來的線纜的存在。這種處理的初衷，并不是向樣本車輛的駕駛人員隱瞞相關信息，而是想讓樣本車輛在使用過程中不受到任何的干擾。樣本車輛被具有怎樣駕駛習慣的司機、以多高的使用頻率、在哪些個路況上行駛，等等各種造成“重要隨機變量Xi”發生劇烈變異的因素，都可以因此絲毫不受影響的反映在樣本車輛所載CUCO Box獲取的大數據中。這會保證我們在對于相關大數據進行統計分析時，獲取最全面和“原汁原味”的統計量變異信息。
依據CUCO Box獲取的數據，運用道路載荷數據處理軟件，可以分析獲取包括擋位、扭矩、轉速、坡度、路面不平度、負載、……，等等，方方面面的數據統計信息，如圖1(b)所示，這些統計分析結果將成為整車和各個子系統、零部件在進行耐久性研發過程中的重要輸入，也是構建狀態空間的各個維度信息。
展開 