虚拟现实技术与建筑设计的运用思考

随着建筑行业的不断发展,为了能够更好地提高建筑设计水平,将虚拟现实技术应用其中,能够让人们有不一样的体验感,还能够很好的减少建筑设计人员的工作内容,提高建筑设计质量,减少成本投入。本文就先了解虚拟现实技术的内容,然后说明虚拟现实技术运用建筑设计运用的价值,了解当前能够将虚拟现实技术应用于建筑设计的类型,最后说明虚拟现实技术运用建筑设计的应用策略,为相关研究人员提供参考。     

基于动态多核相关向量机的软测量建模研究

针对污水处理过程中存在的多变量耦合、强非线性以及参数时变等问题，提出基于多核学习相关向量机的软测量建模方法，并采用粒子群算法对多核权重以及核参数进行优化。同时，引入时间差分(time difference)方法改进多核相关向量机的动态特性。为了验证所提模型的有效性，通过一仿真案例与单核相关向量机、多层前馈神经网络和基于遗传算法的支持向量机进行对比研究。结果表明，所提模型具有更好的预测效果。最后，对模型的鲁棒性在数据漂移和异常的场景下进行了讨论。     

用于多小区OFDM系统的分布式上行功率控制算法

为了协调小区间干扰,提高边缘用户性能,研究了OFDM系统多小区间的功率分配问题.基于非合作博弈理论,给出既可以保证每个用户信干比最小又考虑其他小区同信道干扰的效用函数.通过求解最大效用函数值,得到一种多小区分布式上行功率控制算法.该算法中每个小区只需本地信息就可以协调小区间干扰,实现了用户间公平性与频谱利用率的最佳折中.通过仿真分析,讨论了算法的参数选取,验证了算法的收敛性.仿真结果表明,与等功率分配相比,虽然吞吐量下降了17%,但是公平性提高了1.7倍.     

交联剂对PVP介质膜电学特性的影响

通过分析加入不同交联剂质量分数的PVP绝缘膜MIS结构的电学特性,研究了交联剂质量对PVP薄膜电学特性的影响。交联剂PMF和PVP均溶于PGMEA,PVP绝缘膜通过溶液旋涂法由交联剂质量分数分别为1%、3%、5%、7%的四种溶液制成,四种溶液PVP的质量分数均为5%。对C-V特性、V-t特性和I-V特性的分析表明,在PVP质量分数为5%的溶液中,加入质量分数为5%的交联剂,退火之后形成的PVP绝缘膜陷阱密度最低,漏电流最小,仅为2.9×10-8 A/cm2。通过对J-V特性曲线的线性拟合发现,PVP绝缘膜在低电场情况下漏电机理为P-F效应,在高电场情况下PVP绝缘膜漏电机理存在由肖特基发射至空间电荷限制电流效应的转化。     

基于深层神经网络的多输出自适应软测量建模

在污水处理运行过程中,多个重要的难测过程变量的存在,不仅妨碍了生产过程的监控,而且阻碍了过程控制策略的调整或优化。即使软测量模型得到合理的构建,在投入运行后仍然遭受性能的退化和同时带来的高昂的维护成本。此外,合适辅助变量的选取直接影响后续建模的效果。因此,文中提出了一种基于深层神经网络的多输出自适应软测量模型,用于污水处理过程中多个目标变量的同步在线预测。其中,深层神经网络基于一种栈式自编码而构建,在极端复杂场景下具有优异的在线预测性能;并在建模中引入时差建模和变量重要性投影(VIP)这两种算法,以应对性能退化问题和实现辅助变量的精选。最后,通过一个实际案例对所提出模型进行验证。结果表明,所提出的软测量模型不仅具有较好的多输出预测性能,且在单目标预测结果上也有不错的表现。     

用于异构网络的差值门限模糊切换算法

为了提高用户在异构网络中进行垂直切换的准确度,减少"乒乓效应",提出了一种差值门限模糊切换算法(Difference Threshold based Fuzzy Handover,DTFH).DTFH算法考虑异构网络中的切换触发与切换判决两个方面.用户获得当前网络和目标网络的信噪比差值,根据该信噪比差值与设定的切换触发门限的比较结果进行切换触发;然后,采用模糊逻辑方法得到用户当前网络与目标网络的模糊判决值,根据两个网络的模糊判决值之差与设定的切换判决门限的对比结果进行切换判决.以LTE和WiMAX异构网络为仿真场景,仿真结果表明,与传统切换算法相比,DTFH算法能在减少"乒乓效应"的同时,提高用户吞吐量,从而提高垂直切换的性能.     

基于数字孪生的电力施工风险作业分析研究

当前,国家电力施工企业快速发展,发展规模大且发展技术内容丰富。为此,规避电力施工生产中的某些风险作业安全隐患问题就成为关键,它要求电力施工企业必须做好安全生产监管工作,对安全生产监管提出更高的要求。为了有效解决技术问题,文章围绕数字孪生技术展开研讨,有效建立了电力施工风险作业的基本分析框架,再从建立电力施工现场三维模型、形成风险点标注、建立最佳作业条件数据库、分析施工人员行为四个方面分析电力施工风险作业分析的技术要点,最后提出构建电力施工风险作业三维模型的仿真分析技术流程,以供参考。     

基于动态多核相关向量机的软测量建模研究

针对污水处理过程中存在的多变量耦合、强非线性以及参数时变等问题,提出基于多核学习相关向量机的软测量建模方法,并采用粒子群算法对多核权重以及核参数进行优化。同时,引入时间差分(time difference)方法改进多核相关向量机的动态特性。为了验证所提模型的有效性,通过一仿真案例与单核相关向量机、多层前馈神经网络和基于遗传算法的支持向量机进行对比研究。结果表明,所提模型具有更好的预测效果。最后,对模型的鲁棒性在数据漂移和异常的场景下进行了讨论。     

基于深层神经网络的多输出自适应软测量建模

在污水处理运行过程中,多个重要的难测过程变量的存在,不仅妨碍了生产过程的监控,而且阻碍了过程控制策略的调整或优化。即使软测量模型得到合理的构建,在投入运行后仍然遭受性能的退化和同时带来的高昂的维护成本。此外,合适辅助变量的选取直接影响后续建模的效果。因此,文中提出了一种基于深层神经网络的多输出自适应软测量模型,用于污水处理过程中多个目标变量的同步在线预测。其中,深层神经网络基于一种栈式自编码而构建,在极端复杂场景下具有优异的在线预测性能;并在建模中引入时差建模和变量重要性投影（VIP）这两种算法,以应对性能退化问题和实现辅助变量的精选。最后,通过一个实际案例对所提出模型进行验证。结果表明,所提出的软测量模型不仅具有较好的多输出预测性能,且在单目标预测结果上也有不错的表现。