商空间理论(粒度计算方法)实现高精度模糊控制

该文应用商空间(粒度计算)理论,给出了高精度模糊控制器的实现方法。通过系统控制粒度的不断改变,采用粗粒度粗调、细粒度细调的方法,系统可以兼顾理想的稳态和瞬态性能指标。实践证明以上观点正确。     

基于XML的虚拟企业信息集成架构

信息集成是建立虚拟企业的基础，本文分析，比较了现有的几种集成方案，论述了基于XML进行信息集成的优势，提出了一个集Web,XML,SOAP技术为核心的异构和分布的虚拟企业信息集成框架。     

LMBP神经网络预测模型在教学评估中的应用

在分析影响教学质量因素的基础上,对运用LMBP算法建立教学质量评估模型进行了研究,介绍了LMBP神经网络预测模型的计算过程及学习方法,建立了教学质量评估的LMBP预测模型,经测试数据验证,结果比较准确,能克服各种人为因素,具有广泛的适用性。     

2自由度PID控制器在铝电解过程中的应用

目的 通过设计前馈2自由度PID控制器，解决目前铝电解定时间歇控制方式的控制精度低、实时性差等问题．方法 设计了一种超调小、动态响应快、抗干扰能力强的前馈2自由度自校正PID控制器，该控制器采用前馈控制系统结构，确定干扰抑制性能最佳参数和跟踪特性最佳的前馈参数，并进行了参数优化．结果 前馈2自由度PID控制器改善了系统的干扰抑制特性和跟踪特性。使系统的动态响应速度和稳态精度明显提高．结论 该控制器在铝厂应用，改善了控制性能，使电解槽达到最佳的工作状态。提高了电流效率和铝的产量及质量，经济效益显著，具有较大的工业推广价值．     

一种基于元数据的Web通用查询系统(GQS)

提出了一种基于元数据的Web通用查询系统（GQS），GQS引入元数据概念,并结合JDO、Servlet、JSP等技术手段,实现了一些通用性较强的查询模块,同时能够根据查询对象动态生成查询页面元素，此外GQS还扩展了查询定制等功能，相对于传统的查询系统,GQS的功能性、通用性、移植性大幅提高,并且很大程度地降低了系统维护量。     

DCS远程诊断支持系统的研究与实现

近年来,随着电力行业对经济环保运行的要求越来越高,机组的装机容量越来越大,生产过程越来越复杂,机组对分散控制系统(DCS)的依赖程度也越来越高。当运行机组出现一些复杂或紧急故障时,用户往往需要求助于DCS厂家进行故障分析和处理。然而由于距离的限制,降低了故障处理的时效性和经济性,无法很好地保障机组的稳定运行。DCS远程诊断支持系统可以实现对火电、水电、风电、化工及其它各系统的远程诊断及技术支持功能,使现场的实时运行状态能够快速远传至DCS厂家,从而使用户能够得到快捷准确的远程技术支持。本文设计了"VPN组建方式"的远程诊断支持系统,并进行了深入研究、功能扩展、应用设计及平台管理。     

变压器套管末屏接地缺陷分析及改进措施

近年来,冀北检修分公司发生多起变压器套管末屏接地不良缺陷,多为常接地式套管末屏结构,导致放电,给变压器运行带来隐患。通过分析套管末屏结构,结合现场实际缺陷情况,查找末屏接地缺陷原因,并在设备选型、基建验收及运行维护等方面提出改进措施及建议,以防范此类缺陷再次发生,保障电网设备安全可靠运行。     

机床机械加工误差产生的主要原因

随着对机加工精度要求愈来愈高,人们对误差产生的原因的认识也不断升级:机床是工作母机,其动态特性将直接影响加工精度和品质。对于机床这种复杂而庞大的结构,机床导轨是机床各主要部件相对位置和运动的基准,它的精度直接影响机床成形运动之间的相互位置关系。因此,它是产生工件形状误差和位置误差的主要因素之一。机床导轨误差的项目包括:1)导轨在水平面内和垂直面内的直线度误差;2)前后导轨在垂直面内的平行度(扭曲度)误差。因此本文将详细讨论机床导轨误差,在了解其具体误差项目后采取措施尽量人为地减小误差。1加工精度的概念加工精度是…     

基于混合卷积神经网络的花卉种类识别研究

花卉种类识别属于植物分类的重要分支之一,有着很高的研究和应用价值。但是,目前的花卉识别方法普遍存在着时间长、准确率较低的问题。针对这些问题,本文以花卉图像作为研究对象,首先选择Gabor滤波器对花卉图像进行纹理分析,然后采用改进后的LeNet-5和GoogLeNet神经网络模型对处理后的花卉图片分别进行特征提取,并对得到的两个不同的特征向量进行特征融合,以此进行花卉种类的识别和模型训练。为了验证模型的优劣,使用Tensorflow框架对实验进行仿真,基于混合卷积神经网络无论在泛化能力还是拟合能力上都有显著的提高。     

基于BootStrapping的集成分类器的中文观点句识别方法

领域相关的大规模和高质量的标注训练数据是分类器性能的重要保证,而标注训练语料是一件费时费力的工作。该文提出了一种采用小规模标注语料识别中文观点句的方法。首先采用Bootstrapping方法扩展训练语料,分别训练贝叶斯、支持向量机和最大熵分类器。最后,通过给三个训练好的分类器赋权获得一个集成分类器。实验结果表明,集成后的分类器性能优于单分类器,并且该方法在使用部分标注训练数据的情况下也能取得与采用全部标注训练数据相近的实验结果。