基于RBFNN非线性预测模型的多电机传动系统

多电机传动系统因具有多变量、非线性和强耦合性等特点而难以建立精确数学模型。以两电机传动系统为研究对象,将构成NNC网络的RBF神经网络与常规PID控制相结合,从而实现控制参数自适应调节;用隐藏层节点动态生成的RBF神经网络构成NNI网络建立非线性预测模型,以实现传动系统的参数预测。结合NNC网络和NNI网络设计了一种基于RBF神经网络非线性预测模型的两电机传动系统控制器。实验结果表明该控制器可以实现两电机传动系统中电机转速和张力的解耦控制,动静态性能好。     

地铁站移动通信实现无缝垂直切换的方法

下一代网络的发展是为用户提供无处不在的移动通信网络,使用户对其定制业务的体验始终如一,这就需要为用户提供不同网络之间尽可能小的切换时延。文中采用OPNET Modeler仿真软件,对紧耦合结构下通用移动通信系统（UMTS）到无线局域网（WLAN）的切换协议进行仿真。以地铁站为场景,设计考虑通用移动通信系统（UMTS）与无线局域网（WLAN）间的切换,对比紧耦合结构与松耦合结构下的切换时延,说明网络结构的耦合度越高,切换的时延就越小。     

基于机器视觉技术啤酒空瓶检测系统设计

本论文是基于啤酒空瓶检测进行研究,采用的是机器视觉技术。介绍了机器视觉技术的基本结构、啤酒瓶检测流程、软件实现方法及检测系统的结构。     

中医舌诊客观化研究进展

舌诊是中医诊断疾病的重要方法.运用数字图像处理技术对数字舌图像进行研究,实现中医舌诊的客观化、定量化,是关系中医舌诊继承和发扬的重要工作,具有十分广阔的应用前景.文中对目前已做的舌诊客观化研究中涉及到的舌图像的采集与彩色重现、舌体区域的自动分割、舌特征的提取与分析及舌图像数据库的建立等工作加以综述,并提出了进一步研究工作的思路.     

一种磁盘历史数据库模型研究

为解决流程工业中过程历史数据的存储以及大量数据的快速查询问题,提出一种基于关系数据库的磁盘历史数据库模型。在数据存储方案设计中,将关于位号和数据采集接口的静态信息存储在关系数据库中,历史数据以文件形式存放,采用三重二级缓存机制避免频繁访问磁盘,并使用经典的SDT算法对实时数据进行压缩存储,降低存储成本。数据查询方案采用三级索引文件结构,即总索引文件、二级索引文件和位号索引文件,提高查询效率。该磁盘历史数据库的第一版已经成功实现,应用结果表明,数据存储方案和查询方案的设计是合理的,100个位号的查询时间约为500 ms。     

基于数学形态学的HSI空间彩色边缘检测方法

针对在RGB空间中很难有效区分颜色相似性的问题,选择更加符合颜色视觉特性的HSI颜色空间进行图像处理,提出一种基于HSI空间的多结构多尺度自适应彩色图像边缘检测方法.首先对H、S、I三个分量采用不同结构和不同尺度的结构元素进行形态学边缘检测,然后对三个边缘分量利用信息熵加权得到融合后的彩色边缘信息.实验结果表明,该方法可以充分利用彩色图像的色度,饱和度和亮度信息,有效地抑制噪声,自适应地提取完整的边缘信息.     

基于PCI总线的机床主轴控制系统

文章设计了一种基于PCI总线的机床主轴控制系统,解决了以往机床主轴利用率较低和实时控制较差的问题.实践表明,此系统可以有效地提高机床的切削效率和加工精度,并同时提高了机床的自动化水平,大大降低了机床操作人员的劳动强度.     

基于无线接入点的WLAN网络成本优化

通信网络的成本及其性能是相铺相成的,也是运营商最为关注的。即如何在不增加通信网络成本的前提下保证网络可以提供满足用户要求的性能。以无线局域网为例,无线接入点的布局不仅关系着网络的投资成本还由于对接入点的不同选择,网络的业务负载会产生不同的结果,进而又影响着网络性能的稳定。因此,在对无线局域网的成本优化时可以考虑通过对无线接入点的优化布局,实现网络成本与网络性能的最优化。     

真空蒸镀铝及保护膜的表面形貌和光学性能研究

采用工业化生产流水线的真空蒸发镀膜工艺制备一系列太阳能利用铝反射镜,研究了基底材料对铝反射镜反射率的影响,利用理论分析结合试验,探讨了基底材料表面面型及微观粗糙度对真空蒸镀铝膜反射的影响。光学反射率测量显示不同基底材料的平面铝反射镜的反射率存在较大的差异,其中在ABS工程塑料上制备的铝反射膜的光学均匀性较理想,研究成果为实现低成本轻型铝太阳能反射镜的大规模生产提供了借鉴。     

浅析BP神经网络基本模型的C语言实现

BP神经网络已经成为应用最为广泛的神经网络模型之一。而人工神经网络是对人脑真正神经工作的简化生物模型。为了加深对神经网络的理解,利用推导公式来详细分析其最后的输出值和误差。这里旨在阐述用C语言实现BP神经网络基本模型,在BP神经网络的初始化函数中采用了归一化处理的方法,另外就是对神经元的权重初始化;而BP神经网络训练函数是整个BP神经网络形成的引擎,驱动着样本训练过程的执行。