基于PBFT区块链技术的电网企业仓储系统

提出了一种基于实用拜占庭容错(PBFT)算法的区块链技术,首先对传统的实用拜占庭容错算法原理进行了阐述,该传统算法包含前期、需求、预准备、准备、确认、答复6个阶段,但传统算法具有实时性差、缺乏惩罚机制、带宽高的缺点。针对出现的这些问题,又对传统算法进行了改进,具体涉及记账节点、共识过程以及视图切换过程。通过测试进一步证明了该改进算法的实用性,并将该算法应用于电网企业中,构建的虚拟仓库实现了联储联备,降低了库存资金的耗费,并且提高了电网企业库存管理的效率。     

牛头刨床的遗传优化设计

牛头刨床中实现刨刀切削运动的关键机构是Ⅱ级六杆机构，它决定了刨刀的工作速度的平稳性，对刨削质量有非常重要的影响。以六杆机构最大压力角尽量小为条件，建立了以刨刀的工作速度平稳性为目标函数的优化设计数学模型，将混沌引入基本遗传算法对其进行了优化设计，在很短的时间内获得了最佳设计方案。     

一种基于数据差分的频域体绘制算法

针对频域体绘制的图像质量问题,提出一种基于数据差分的且能动态提升图像质量的频域体绘制算法。用数据场差分替代原数据场,计算三维数据场的动态调节因子,通过模拟补偿图像的深度感和真实感,动态地调节图像质量。设计了采样点合并等加速技术绘制图像。实验结果表明该算法能提升图像质量,加快了绘制速度。     

基于小波神经网络的显示器色彩管理模型

CRT显示器的色彩管理是彩色图像复制的关键技术之一.在分析呈色原理的基础上,提出了一种新的CRT显示器色彩管理模型.首先采用标准色靶作为实验样本,并以彩色梯尺区色块代表整个色空间用以推导模型以解决实验色块选取难的问题;其次介绍了实验数据采集方法,并建立若干数据库用以推导模型;随后推导和分析了基于小波神经网络的显示器色彩管理模型,并提出了一些提高模型收敛速度的改进措施.最后实验结果表明,该模型能够提高CRT显示器的色彩管理精度,工程实际中能够用于CRT显示器的色彩管理.     

一种基于神经网络和Neugebaure方程的输入图像色彩校正模型

在分析扫描物呈色原理和误差产生原因的基础上,提出了一种扫描输入图像的色空间转换的修正模型.首先重新解释Neugebauer方程的参数含意,使原本只适用于印刷网点图像的Neugebauer方程也适用于非印刷网点图像.随后结合Neugebauer方程和RBF神经网络,分单色、双色和三色逐步导出输入图像的色彩修正方程.最后给出的实验结果表明,与目前具有较高转换精度的主流模型比较,本文模型能够明显提高转换精度.     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

汽车旋装式滤清器CAD系统

本文介绍了旋装式滤清器ＣＡＤ系统，该系统采用独特的检索与交互相结合的设计方法，突破了单一的交互式ＣＡＤ模式，使系统的运用方便灵活。     

车轮定位参数微辅助测量系统

介绍一种新型汽车车轮定位参数的微机测量系统。该系统采用8031单片微机为主机，可完成车轮定位参数、转向轮最大转角、方向盘转角范围及自由行程的自动测量及显示、打印输出；绘制阿克曼特性曲线和转向系角传动比特性曲线，还可对轮辋及夹角“摆差”进行自动补偿。     

基于灰色关联分析的图像保真度准则

针对图像保真度评价问题，利用灰色系统理论中的灰色关联分析(Grey Relational Analysis，GRA)的整体比较机制和小波变换的多尺度分辨率匹配于人类视觉系统(Human Visual System，HVS)的多信道模型性质，通过小波域系数之间的灰色关联度，给出了一种图像质量评价算法——小波系数灰关联法．实验表明：该算法可以从概貌质量和细节质量分别对图像进行评判，评价结果能够与人眼主观评价保持较好的一致性，优于传统的PSNR评价方法．     

一种输入图像的色彩误差校正新模型

在分析扫描物呈色原理和误差产生原因的基础上，提出了一种扫描输入图像的色空间转换的修正模型。首先重新解释Neugebauer方程的参数含意，使原本只适用于印刷网点图像的Neugebauer方程也适用于非印刷网点图像。随后结合Neugebauer方程和RBF神经网络，分单色、双色和三色逐步导出输入图像的色彩修正方程。最后给出的实验结果表明，与目前具有较高转换精度的主流模型比较，本文模型能够明显提高转换精度。