基于OOD和COM的数据结构可视化CAL系统的设计与实现

系统运用面向对象思想和COM技术对数据结构算法进行动态交互式模拟跟踪,将抽象的数据结构和算法实现动态同步可视化;增加数据建模功能,自我测试功能。系统最大的特点是具备数据建模功能、可视数据结构、友好灵活的交互性和面向多层次用户多路径的特性。     

基于三维GIS的石化管网模型实现技术研究

对于开发三维GIS石化管网系统来说,管网的三维建模是最重要的基础工作.首先从系统功能、数据结构这两方面探讨了三维GIS石化管网系统的开发需求,然后基于三维建模软件SketchUp和GIS软件Google Earth探讨了石化管网三维建模的实现技术,并提出了基于管网数据和管网节点数据这两种三维建模的实现方法.     

基于Python的三维建模可视化系统研究

Python是不同语言模块的连接语言,而wxPython则是Python语言中的GUI图形库,其能够完成计算各个语言模块的调用与联结.主要使用免费软件系统、OpenGL开放图形库两种图形语言系统构建了基于四边数据结构的三维可视化建模系统.四边数据结构属于一种三角网格拓扑结构,其结构的连接性更加紧密,在数据查找和算法操作方面的效率也较高.主要对基于Python的三维建模可视化系统进行了研究,通过空间离散投影的德洛内三角网络,来完成建模可视化系统的边、角和顶点的插入与切割活动.     

离散动态贝叶斯网络推理的编程计算算法

离散动态贝叶斯网络是对时间序列进行建模和推理的重要工具,具有广泛的建模应用价值,但是其推理算法还有待进一步完善。针对构离散动态贝叶斯网络的推理算法难以理解、编程计算难、推理速度慢的问题,给出了实现离散动态贝叶斯推理算法的数据结构,推导了进行计算机编程计算的推理算法和编程步骤,并通过实例进行了算理验证。     

基于Java的数据结构算法演示系统的研究

Java具有简单、多线程、动态等特点,是目前使用最为广泛的网络编程语言之一。Java的数据结构算法演示系统是计算机程序编码中的重要环节,Java语言基本数据类型包括逻辑类型、整数类型、字符类型和浮点类型,Java的数据结构算法演示系统的研究则是建立于此基础之上。本文介绍了基于Java数据结构算法演示的总体设计,详细介绍了Java算法动态演示的详细设计过程。     

功能替代实时事务模型的二重调度算法

二重调度算法分析了功能替代实时事务模型的基本特征,提出一种动态记录系统实时环境的数据结构,进而提出快速执行事务内部调度的若干策略,包括最佳替代的选择策略、替代夭折策略及替代重启策略.实验结果证明,当系统能够存在资源冲突时,该算法能够显著提高事务的成功执行率和事务系统的可靠性.     

面向工业过程的建模辨识平台的设计与实现

提出了一种面向工业过程的可视化建模辨识平台的设计和实现方法.该平台加载了多种辨识算法,并使用OPC技术和各类工控系统进行数据交互,以实现对复杂工业系统的动态特性测试.基于输入输出数据,获得系统的参数模型或非参数模型.对实际工业对象建模辨识的结果,表明该平台大大提高了建模的效率和精度.     

数据与未建模动态驱动的非线性PID切换控制

本文充分利用系统的数据信息和知识,把数据驱动控制、PID控制与一步超前最优控制策略相结合,提出了数据与未建模动态驱动的非线性PID切换控制方法.该方法首先利用被控对象往往运行在工作点附近的特点及系统丰富可测的数据信息,把被控对象表示成低阶控制器设计模型与高阶非线性项(未建模动态)和的形式.与以往方法的本质区别在于,所提的方法直接将未建模动态分解为前一拍数据与未知增量的和,并充分利用未建模动态可测数据信息补偿系统未知的非线性动态特性,设计非线性PID控制器,对未建模动态的未知增量采用自适应神经模糊推理系统(ANFIS)进行估计,从而设计带有未建模动态增量估计的非线性PID控制器.将控制器的跟踪误差引入切换指标,两个控制器通过切换机制协调控制系统,既保证系统的稳定,同时提高系统的性能.为解决PID控制器参数难以选择的问题,采用一步超前最优控制策略进行参数设计,从理论上给出了PID控制器参数选择的一般原则和方法,推导了保证闭环系统输入输出稳定性的条件;最后,通过数值仿真实验以及在水箱液位控制系统的物理对比实验,实验结果验证了所提算法的有效性和实用性.     

面向对象的设备建模方法及其应用

各种煤矿监控类系统的通信协议对应不同数据结构,导致煤矿监控多系统融合运行时设备信息配置和管理困难。为解决上述问题,提出了一种面向对象的设备建模方法。通过数据驱动将多种非标准化的数据结构转换为标准化数据结构,根据实际设备的相关属性建立对应的设备模型;基于设备模型创建设备实例,采用层级树形结构展示设备实例的父子关系,通过动态页面展示设备实例的详细信息,可对具有不同属性的设备进行统一配置和管理。将面向对象的设备建模方法应用于图形组态中,使设备模型与图元绑定、设备实例与图形实例绑定,可快速配置数据可视化图形。     

一种面向动态链状数据结构的指针定值引用链算法

采用流敏感的方法分析计算过程内操作动态链状数据结构的指针定值引用链.目的是连接对链状数据结构进行定值的语句和引用这些链状数据结构的语句,具体地,每条对链状数据结构进行定值的语句,算法将找出所有引用被该语句定值的链状数据结构的语句的集合.该算法将被整合到我们设计和开发的并行语言mini-SPC中,指导对操作动态链状数据结构的并行程序的正确分析和程序变换.实验表明基于本文的算法能保证操作动态链状数据结构的指针定值引用链的分析精度,提高分析的效率.     

Modelica中数组机制的研究与实现

深入探讨了多领域物理系统统一建模语言Modelica数组机制的特点，研究并解决了类型检查、下标处理、数组运算、方程生成等数组机制的关键技术，提出了基于树型结构的数组运算。在MWorks系统下实现了配套数据结构及算法，详细阐述了从数组声明、语义解析直到生成平坦化方程的整个过程，完整实现了Modelica数组机制，并成功应用于数组实例建模与仿真。最后给出了MWorks系统上的数组模型实例。     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

非正则精确模型的布尔操作

为了加强造型系统的表达能力,实现对线框模型、曲面模型和实体模型的统一表示和操作,该文采用非正则精确模型作为几何对象表示的数据结构,并给出了相应的布尔操作实现算法,在保证效率和精确性的同时确保鲁棒性是算法的目标.作为一个特征造型系统的几何核心,该算法已经在基于NT平台的特征造型系统GS-CAD98中实现.     

基于GA-NN的复杂工艺生产过程多目标优化研究

在复杂非线性多目标优化问题求解中,非线性模型结构很难事先给定,需要检验的参数也非常繁多,应用传统的建模方法和优化模型已难以解决更为复杂的现实问题。人工神经网络技术为解决复杂非线性系统建模问题提供了一条新的途径。将神经网络响应面作为目标函数或者约束条件,加上其他常规约束条件进行系统模型的建立,再应用遗传算法进行优化,从而实现设计分析与设计优化的分离。以某化工企业的生产过程优化问题为例,利用BP神经网络建立了工艺参数与性能目标之间的模型,然后利用遗传算法搜索最优工艺参数,获取了用于指导生产的样本点数据。研究结果表明,该方法能够获得高精度的多目标优化模型,从而使优化效率大为提高。     

基于IATLBO与稳态初值寻优的波动热工系统建模

针对人为选取热工系统稳态分量不准确,造成建模精度下降的问题,提出一种基于IATLBO(improved adaptive teaching-learning-based optimization algorithm)与稳态初值寻优的波动热工系统建模方法。方法将系统稳态分量与模型参数均看作未知量,依据智能优化算法寻优过程中所分配的系统稳态分量,动态的对系统输入输出数据进行稳态分量的剔除,从而有效的避免人为选取所产生的误差;寻优过程选取智能优化算法为教学优化算法,结合真实教学过程,对算法进行了改进,并应用标准测试函数进行仿真,验证了算法的高效性。对某波动热工系统进行建模,表明了上述方法的有效性。     

模糊树模型及其在复杂系统辨识中的应用

基于二叉树和模糊逻辑理论,提出了一种用于复杂系统建模的模糊树模型.将线性 模型和模糊集组织在树结构上,并给出了更新线性模型系数和模糊集隶属度函数的混合算 法.与其他建模方法相比,如ANFIS,模糊树模型计算量小,精度高,尤其在高维数据建模中 更为明显.仿真结果描述了这种方法的性能.     

Designing neurofuzzy system based on ICART algorithm and its application for modeling jet fuel endpoint of hydrocracking process

In this paper, a neuro-fuzzy system based on improved CART algorithm (ICART) is presented, in which the ICART algorithm is used to design neuro-fuzzy system. It is worth noting that ICART algorithm partitions the input space into tree structure adaptively, which avoids the curse of dimensionality (number of rules goes up exponentially with number of input variables). Moreover, it adopts density function to construct the local model for every node in order to overcome the discontinuous boundaries existed in CART algorithm. In addition, a supervised scheme is used to adjust parameters to minimize the network output error and construct more accurate fuzzy model on the basis of the ICART algorithm. Finally, to illustrate the validity of the proposed method, a simulation research and a practical application are done. The results show that the proposed method can provide optimal model structure and parameters for fuzzy modeling, possesses high learning efficiency, and is smoother than CART algorithm. It can be successfully applied to modeling jet fuel endpoint of hydrocracking processing.     

基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.