自抗扰控制器在人工气候箱中的应用

人工气候箱作为非线性耦合滞后系统,采用经典PID控制难以得到满意的控制效果。为了提高控制系统的动态性能和鲁棒性,设计人工气候箱的自抗扰控制方案。论述以MSP430单片机为核心控制器的硬件实现方法,并进行控制算法的仿真。实验结果表明,自抗扰控制器对人工气候箱的大迟延,大惯性和不确定性具有较强的适应性和鲁棒性,控制系统具有优良的动态性能,能比较精确控制系统的温湿度。     

智能型人工气候箱控制系统的研制

介绍人工气候箱控制系统的工艺要求、硬件配置、软件设计，还给出了硬件系统结构框图、主程序框图。     

基于AT89C55WD单片机的人工气候箱设计

为创造局部气候,以AT89C55WD单片机为微处理器,设计了人工气候箱.给出了硬件电路结构框图和温湿度测量电路以及光电转换电路.系统采用ICL7135 A/D转换器串行工作方式,仅占用AT89C55WD的一个I/O口和一个内部定时器,节约了单片机的口线,简化了系统的硬件结构,同时提高了温湿度的测量精度.实验验证了气候箱的可行性和测量精度.     

微型计算机用于温度——湿度的自动测量

一、概述湿度是大气特征的重要参数之一。在实际情形中相对湿度的测量方法很多。但最为普遍的人工测湿度方法是干湿球温度查算法。这一方法通过分别测量干球温度和湿球温度,再去查湿度查算表即得湿度值。为了在人工高海拔模拟气候箱实现温度、湿度的自动测量,我们用一台单板计算机(DBJ-Z80)配以测量简单接口线路,进行了研制温湿度自动测量装置。这种装置由于发挥计算机的特点故可很准确地获得饱和     

企业信用信息数据比对和整合的设计与实现

陕西省信用信息交换平台,是一个典型的电子政务信息共享平台的实例,此平台采用数据集中交换模式建立统一的数据中心,将各政府部门或委办局的数据进行采集、整合然后公示。在数据整合过程中,数据比对是十分重要的环节。讨论了如何设计基于规则的数据比对模块,使之能够处理质量不一的部门数据,识别相同的企业信用信息,并保证数据的一致性。比对流程分精确比对、模糊比对和排查比对,使之能处理企业的增量数据和部分错误数据,对于计算机不能处理的差异信息,还将入人工库交由业务员人工处理。     

C#语言开发Excel数据智能导入SQL2005数据库

Excel数据导入数据库的实现方法,很多资料上都有介绍,但是都存在需要另外人工创建数据库、人工根据Excel数据格式创建数据库表,开发完成的项目通用性差等缺点。介绍的C#语言开发Excel数据智能导入SQL2005数据库项目,能够实现自动创建数据库、自动创建数据库表数据结构并根据多个Excel文件内容,创建多个相应的数据库表数据结构,将Excel数据智能导入SQL2005数据库。     

人工系统中数据–因素–算力–算法作用及相互关系研究

目前的研究认为人工智能的核心是数据、算法和算力,但因素在形成人工智能系统过程中是必不可少的。论文针对人工系统中的数据、算力、算法和因素的各自作用,及其相互关系进行了探讨和论证。从人工系统的内涵出发,描述人工系统的发展过程,认为目前和今后的人工系统必将具有人工智能特征,而实现人工系统要充分考虑上述四方面的相互作用。研究结果表明:数据是人工系统辨识因素的基础,也是形成算法的基础;因素是人工系统控制自然系统的方法及算法所需变量;算法体现了因素与数据关系,可描述人工系统结构;算力是解算算法的能力,也需考虑数据和因素的特征。因此因素在人工系统建立过程中与数据、算法和算力具有相同的重要性。它们具有明显的作用关系,且普遍存在于各个学科,是形成各学科理论基础体系的关键。     

一种融合K-means算法和人工鱼群算法的聚类方法

针对K-means易收敛于局部最优以及对初始值敏感和人工鱼群算法收敛速度快,对初始值不敏感及自组织行为的问题,提出一种K-means和人工鱼群算法融合的聚类方法。该算法先将标准人工鱼群算法用自适应策略加以改进,即在人工鱼群算法早期迭代中使用固定视野,随着迭代次数的增加,采用自适应减少的视野值。在此基础上将K-means算法融入到改进的人工鱼群算法中人工鱼中,随机产生的部分人工鱼在每次完成人工鱼群算法的迭代后,进行一次K-means算法的迭代。实验结果证明融合后的新算法明显地优于粒子群优化(PSO)、K-means及改进的人工鱼群算法(IAFSA),它将有效地被应用于数据聚类中。     

综合信息的多神经网系统应用于引擎故障诊断

在数据层和决策层综合信息,采用多人工神经网络系统诊断故障.通过对全互连、前馈、BP人工神经网的学习训练,可识别不同类型的故障;将诊断任务分解为多个子任务,对每个子任务训练相应的神经网,最后将多个神经网的结果综合起来,以提高系统性能.     

基于改进人工蜂群算法与MapReduce的大数据聚类算法

针对大数据聚类算法计算效率与聚类性能较低的问题,提出了一种基于改进人工蜂群算法与MapReduce的大数据聚类算法。将灰狼优化算法与人工蜂群算法结合,同时提高人工蜂群算法的搜索能力与开发能力,该策略能够有效地提高聚类处理的性能;采用混沌映射与反向学习作为ABC种群的初始化策略,提高搜索的解质量;将聚类算法基于Hadoop的MapReduce编程模型实现,通过最小化类内距离的平方和实现对大数据的聚类处理。实验结果表明,该算法有效地提高了大数据集的聚类质量,同时加快了聚类速度。