压力离心机装配质量对机组振动的影响

压力离心机装配质量对机组振动的影响扬子石化公司化工厂崔刚１前言扬子石化公司ＰＴＡ装置（精对苯二甲酸）系前联邦德国引进，其中六台压力离心机是英国Ｓｈａｒｐｌｅｓｓ公司制造，主要用于干燥ＰＴＡ粉料。机组的主要性能如下：设计转速：２５００ｒ／ｍｉｎ操作转速...     

求解背包问题的病毒协同进化粒子群算法

为提高粒子群算法的搜索性能,提出一种基于病毒进化理论的改进离散粒子群算法:病毒协同进化粒子群算法.在粒子群中引入生物病毒机制和宿主与病毒基于感染操作的思想,病毒采用与粒子等长的编码方式,执行反向代换、结合等操作,利用病毒的水平感染和垂直传播能力较好地维持个体的多样性和对解空间的局部搜索能力.通过解决背包问题对算法进行验证,仿真表明所提算法搜索性能优于遗传算法、模拟退火及标准粒子群等其他算法.该算法能有效求解背包问题等NP难题.     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

嵌入式故障注入器HFI-4的研究与设计

管脚级故障注入是对原型系统进行可信性验证的一种常用的方法。本文提出了一个基于嵌入式注入方式的管脚级故障注入工具HFI-4的设计方案，并重点讨论了设计过程中遇到的方向控制、同步控制、结果回收等几项关键技术的解决方案。     

于青草更青处漫溯——我们的第九届NOC网络教研团队之旅

在2011年夏花绚烂之时,我们有幸到河北石家庄参加了第九届全国中小学信息技术创新与实践活动中教师赛项的网络教研团队决赛。在美丽的鹿泉一中,我们和来自全国各地的语文网络教研团队同台竞技、取长补短、互相学习,     

小卫星星务计算机系统总线的研究与实现

目前微小卫星昨璁计算机系统通信总线面临了一系列新的要求,而在这一领域应用的几种串行通信总线都不尽如人意。CAN（Controller Area Network)总线结构灵活,可靠性高,比较适合小卫星,针对小卫星运行环境单粒子效应较多的情况,为TS－1小卫星设计的“基于CAN的双冗余系统总线”采用二模冗余的方法进一步提高了系统总线可靠性,是一种高性能、高可靠、低价位的系统总线设计方案。在CAN的多机通信模拟平台上进行的一系列试验验 证了“基于CAN的双冗余总线技术方案”的可行性。     

处理器容错技术研究与展望

随着生产工艺的进步和硅形体尺寸的缩小,计算机系统面临着前所未有的瞬态故障影响,可信计算已经成为桌面级和嵌入式系统设计和应用的热点,其中以处理器的可信设计为核心.首先,从容错技术角度对处理器提出了一种新颖的、比较全面的分类方法;在此基础上,以处理器容错技术发展趋势为线索,对目前流行的处理器结构、微结构的容错机制和容错技术以及不同层次上有代表性的最新研究成果做了介绍和分析;最后,对处理器容错技术研究新趋势及其发展方向提出了意见和建议.     

基于字符基元视觉短语的图像关键字识别

提出了一种利用字符基元视觉短语进行图像关键字识别的方法.该方法通过提取图像关键字的最大稳定极值区域,并进行归一化后得到字符基元.由于通常情况下每个关键字由若干字符基元构成,因此通过采用利用邻接的字符基元构造的视觉短语来提高图像关键字特征描述的可区分性;由于不同的字符基元组合结构可能构成不同的图像关键字,因此基于字符基元相邻关系判断短语几何结构的相似性.此方法不需要对图像进行二值化、布局分析和文本区域定位等预处理操作,具有更好的灵活性和鲁棒性.实验结果表明,此方法对于不同语言的图像关键字识别都具有较高的准确性.     

深度学习对不同分辨率影像冬小麦识别的适用性研究

定量分析遥感影像尺度与分类精度之间的关系是进行土地覆盖分类的基础。深度学习具有从底层到高层特征非监督学习的能力,解决了传统分类模型中需要人工选择特征的问题。这种新型的分类方法的分类精度是否受到不同分辨率尺度影响,有待研究。利用深度卷积神经网络(Deep Convolutional Neural Network,DCNN)——金字塔场景分析网络(Pyramid Scene Parsing Network,PSPNet)进行4种分辨率(8、3.2、2和0.8 m)的米级、亚米级影像冬小麦分类。实验结果表明:PSPNet能够有效地进行大样本的学习训练,非监督提取出空间特征信息,实现"端—端"的冬小麦自动化分类。不同于传统分类器分类精度与分类尺度之间的关系,随着影像分辨率的逐步增高,地物表达特征越来越清晰,PSPNet识别的冬小麦精度会逐步增高,识别地块结果也越来越规整,不受分辨率尺度的影响。这对于选择甚高亚米级影像提高作物分类精度提供了实验基础。     

考虑测试与运行差别的软件可靠性增长模型

软件可靠性增长模型中测试阶段和操作运行阶段环境的不同导致了两个阶段故障检测率的不同．在随机过程类非齐次泊松过程（NHPP）中的经典模型G—O模型基础上,考虑运行剖面和测试剖面的不同,对测试阶段和操作运行阶段的故障检测率进行了转化,得到了较好的刻画测试阶段和操作阶段失效率差别的模型（TO—SRGM）．最后,通过实例用最小二乘法对此模型的参数进行了估计．实验结果表明,在某些失效数据集上TO—SRGM的拟和效果比G—O模型和PZ—SRGM好．