基于虚拟仪器技术的炼钢转炉传动机构在线监测与故障诊断系统

目前,炼钢厂对炼钢转炉的传动机构--耳轴轴承的监测手段比较落后,定期更换耳轴轴承的方式也有不少弊端;虚拟仪器(Virtual Instruments)是计算机系统与仪器系统技术相结合的产物,最常用的开发平台为美国国家仪器公司(Natinal Instruments)的LabVIEW;开发了一套基于LabVIEW 7.1的炼钢转炉传动机构在线监测与故障诊断系统,该监测系统能够获取和记录耳轴轴承振动信号和轴心位移信号,在时域和频域进行全面分析,具有显示、报警、诊断分析和历史数据查询等功能;系统已在某钢厂投入试运行,效果良好.     

斯德哥尔摩高放废物地质处置库国际大会概况

本文对2003年12月在瑞典斯德哥尔摩召开的“地质处置库国际大会：政治和技术进展”会议内容进行了简要小结。这次会议介绍了过去4年中有关国家地质处置计划取得的进展、目前面临的挑战和今后的规划;还对中国高放废物地质处置工作提出了政策、法规、管理体制、长远规划、经费、国际合作以及公众接受等方面的建议。     

基于领域本体的文本分类方法

基于本体的文本分类方法未考虑本体概念自身所含有的信息量及忽略本体推理功能。为此,以旅游领域为背景,提出一种基于领域本体的文本分类方法。该方法采用本体自身结构作为分类标准,通过计算特征项和本体概念间的语义关联度及结合本体的推理功能,将文本划分到合适的本体概念下作为概念的实例。实验结果证明,与传统方法相比,该方法的分类方法F1值至少提高8.7%。     

基于区分对象对集的不完备决策表求核算法

在不完备决策表中对求核算法的研究较少,且时间复杂度都相对较高.为此,根据不完备决策表中差别矩阵及其核的定义,给出条件属性的区分对象对集的定义,并得出其与决策表核属性的关系,从理论上证明求解不完备决策表的核可以转化到求条件属性的区分对象对集上.结合不完备决策表差别矩阵核的性质,提出一种基于区分对象对集的不完备决策表求核算法.实验结果表明,该算法的时间复杂度优于同类算法的时间复杂度.     

电子商务安全协议及其非单调动态逻辑验证

该文介绍了SET(secure electronic transactions)的付费业务流程,对NDL(non-monotomic dynamic logic)的逻辑框架进行了扩展,即针对SET协议,增加了新的公理,重新给出积累规则的定义.在此基础上,用对SET中的几个重要的范例进行的逻辑验证,说明了NDL在验证电子商务协议上的重要性,并初步提出了积累规则中需要进一步研究的问题.     

SET协议中问题的分析及解决方案

文中对ＳＥＴ协议中的“ｋ ｏｕｔ ｏｆ ｎ”问题进行了全面的分析,并提出了完整的解决方案,在对ＳＥＴ付费业务流程中的两个关键性问题用ＮＤＬ逻辑进行验证后,给出了它们的Ｐｒｏｌｇｏ程序流程,全文着重于在ＳＥＴ协议中实现“防抵赖”和“可迫踪”两种安全机制,并在此基础上实现用Ｐｒｏｌｏｇ语言程序模拟验证过程,最后对电子商务的发展和今后将要做的工作做了一些初步的探讨。     

无催化剂条件下二氢吡啶酯还原醛亚胺的研究

用二氢吡啶酯为还原剂,在无催化剂条件下对醛亚胺的还原进行了研究,考察了溶剂、温度、二氢吡啶酯与亚胺的摩尔比例以及添加剂对反应的影响。同时,在最优条件下对一系列N-芳基醛亚胺进行了还原,最高收率可以达到99%。     

描述逻辑εL循环术语集的保守扩充

在计算机科学中,本体是动态的实体。为了适应新领域的发展,需要对原始本体增加新的公理或者与另一个本体融合。在本体的开发过程中,用户根据不同的需求和应用领域选择合适的本体导入另一个本体,从而实现对已建本体的扩充。判定扩充后的本体是否是扩充前本体的保守扩充是非常重要的。如果扩充后的本体不是扩充前本体的保守扩充,那么用户使用扩充后的本体将产生不可预知的影响。Lutz 等研究了描述逻辑εL的保守扩充问题,并且论证了εL的保守扩充是指数时间完全的。在Lutz等人的研究基础上研究了描述逻辑循环术语集的保守扩充问题。首先,给出了循环术语集在最大不动点语义下的保守扩充的充分条件是两个TBox 具有相同的原始概念,并论证了该算法是多项式时间复杂的。其次,给出最大不动点模型来处理循环术语集的保守扩充,并论证了该算法是指数时间复杂的。     

事件常识的获取方法研究

在动态语义学的基础上,以事件的语义、文法和常识为标准构建多层次的事件分类体系,并使用该分类体系提取事件的常识知识。事件采用框架的方式来表示,称为事件框架。事件框架的内容包括事件的定义、事件之间的关系、事件的文法表达、事件的谓词表示、事件的例句、事件的前提常识和后果常识。利用事件框架的内容提取事件的常识。为了说明该方法的实用性,以事件分类体系中典型的“交易类”事件为例来描述事件常识的获取方法。     

基于保守扩充理论的模块化本体重用

分析了本体重用的研究现状和目前重用方法只适用于单个独立本体的不足,以ε-Connections语言构建的模块化本体库为研究对象,基于保守扩充理论提出了本体模块知识完整性概念,并证明了知识完整性的相关性质.在此基础上,给出了一种针对模块化本体库的保守扩充重用算法ERMMO（extracting reused modules from modularontologies）,讨论了该算法的两种子算法EMMO_IK和EMO_IK的特点及适用条件.分析并验证了ERMMO算法的可行性和正确性.ERMMO算法是当前保守扩充重用算法的一般化扩充,对模块化思想应用于本体重用问题有所启示.