排序方式: 共有5条查询结果,搜索用时 4 毫秒
1
1.
通过分析圆形通光孔径下动镜倾斜角度对干涉调制度和相位误差的影响,设计了定镜动态校正方案。传统的比例-积分-微分(PID)控制器严格依赖于动态校正系统的数学模型,在实际的闭环系统中无法精确获取模型所有参数。系统采用了模糊PID控制策略,选择模糊输入输出论域的隶属度函数,制定模糊规则库,再经过模糊推理、清晰化处理,给出了闭环控制系统实现方法。通过实验,验证了此种校正方法的可行性,有效的摆脱了对校正系统准确的数学模型的依赖,能够将激光干涉调制度从0.6提升到0.99,相位差降低到0.1°左右,且相对于传统PID控制,稳定性能较好、调整时间较短。 相似文献
2.
介绍面向制药行业的信息化解决方案,即制造执行系统(Manufacturing Execution System,MES)在制药行业的应用。通过对制药行业的特性及业务流程分析,针对传统生产管理的弊端,介绍并分析通过MES管理实现的解决方案,实现对制药行业的信息化管理,以提高生产质量和企业效益。通过Pharma Suite软件实现,证实了制药行业应用MES系统可以实现生产管理实时、高效、可视化,相比传统生产管理模式有很大的优越性。 相似文献
3.
语音是人类与智能手机或智能家电等现代智能设备进行通信的一种常用而有效的方式。随着计算机和网络技术的显著进步,语音识别系统得到了广泛的应用,它可以将用户发出的语音指令解释为智能设备上可以理解的数字指令或信号,实现用户与这些设备的远程交互功能。近年来,深度学习技术的进步推动了语音识别系统发展,使得语音识别系统的精度和可用性不断提高。然而深度学习技术自身还存在未解决的安全性问题,例如对抗样本。对抗样本是指在模型的预测阶段,通过对预测样本添加细微的扰动,使模型以高置信度给出一个错误的目标类别输出。目前对于对抗样本的攻击及防御研究主要集中在计算机视觉领域而忽略了语音识别系统模型的安全问题,当今最先进的语音识别系统由于采用深度学习技术也面临着对抗样本攻击带来的巨大安全威胁。针对语音识别系统模型同样面临对抗样本的风险,本文对语音识别系统的对抗样本攻击和防御提供了一个系统的综述。我们概述了不同类型语音对抗样本攻击的基本原理并对目前最先进的语音对抗样本生成方法进行了全面的比较和讨论。同时,为了构建更安全的语音识别系统,我们讨论了现有语音对抗样本的防御策略并展望了该领域未来的研究方向。 相似文献
4.
为了解决高温高矿化度塔河油田缝洞型碳酸盐油藏的高含水率问题,研发出一种耐高温(140 ℃)和耐超高
矿化度(240 g/L)的自修复预交联凝胶(SPG),可直接使用高矿化度水将改性HPAM、六亚甲基四胺、邻苯二酚和
硫脲等溶解,加入无机物CCH提高稳定性。考察了SPG的流变性能、微观结构及对裂缝岩心封堵效果。研究结
果表明,该凝胶体系的三维网状结构更饱满紧密,脱水周期延长;凝胶初始黏度为77.1 mPa·s,成胶后强度可达
H—I 级,30 d 内脱水率仅为5%,对裂缝岩心的封堵率在90%以上。SPG体系具有良好的注入性、抗剪切性和抗
冲蚀性,在裂缝发育充分的缝洞型碳酸盐岩储层中具有应用潜力。 相似文献
5.
1