网上购物系统数据库的设计与实现

基于．NET网上购物系统的数据库设计,通过一个实例,说明在MIS系统建立数据库应注意的事项.     

基于微分代数神经网络的含新能源区域电网端口动态特性学习方法

高比例新能源渗透背景下,建立能够准确描述复杂环境因素影响下含新能源的区域电网端口特性动态模型,对于新型电力系统动态分析至关重要。为此,提出了一种基于微分代数神经网络的含新能源区域电网端口动态特性学习方法。该方法利用微分代数神经网络,基于区域电网接入点的时序量测以及光照强度、温度等环境量测数据,学习以神经网络表达的端口特性模型。所得模型由初始状态提取模块、微分神经网络模块、代数神经网络模块组成,可直接接入电力系统暂态仿真器中,用于分析电力系统整体动态特性。在IEEE-39节点系统中对该方法进行仿真验证,测试结果表明：所得模型能够适应不同环境场景,准确率高,验证了方法的有效性。该建模方法仅依赖端口时序量测,在新型电力系统动态分析中具有较大的应用潜力。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

含高比例风光接入的输电网氢-电混合储能系统配置方法

目前高比例风光接入的输电网存在弃风弃光率普遍较高的问题,配置储能设备作为一种具有潜在效用的手段在当前的研究中备受青睐。针对输电网储能配置问题,为达到综合成本减小和弃风弃光率降低的目的,提出了一种基于双层规划模型的输电网氢-电混合储能系统配置方法。首先,对氢-电混合储能系统的特性进行建模,在此基础上建立输电网氢-电混合储能系统功率与容量配置双层规划模型。上层模型以配置储能后年综合成本最小为目标;下层模型以弃风弃光率最小为目标。其后基于蓄电池和氢储能的不同特性,提出一种氢-电混合储能系统配合策略。最后,针对该模型非线性多目标的特点,采用双层迭代粒子群算法与潮流计算相结合进行模型求解。在算例仿真部分,以某含有高比例风光接入地区输电网为例,进行氢-电混合储能系统容量和选址的优化配置,验证了所建模型和所提求解算法的可行性和有效性。提高了风电光伏出力在时序上的转移能力,减少了高碳化石能源的消耗量,降低了弃风弃光率。     

碳化硅掺杂改善二元糖醇纳米胶囊的性能

甘露醇和肌醇作为具有较高潜热的糖醇相变材料,在中温储热方面具有广阔的应用前景。二元糖醇的相变温度可以通过改变糖醇各组分的比例来调节,因而其应用温度范围与单糖醇相比较宽。糖醇在热循环中存在泄漏、氧化和过冷等问题,对糖醇进行微纳胶囊化和添加成核剂是有效解决措施。采用溶胶-凝胶法制备糖醇胶囊制备了碳化硅掺杂甘露醇和肌醇二元糖醇纳米胶囊,采用差示扫描量热仪、扫描电子显微镜、热重分析仪和热循环试验研究了纳米胶囊的相变特性和热稳定性,探讨了碳化硅的影响。结果表明,纳米胶囊具有较高的相变焓值、包封率和储能效率,热分解温度相比二元糖醇提高了,经过热循环后胶囊的过冷度相对于二元糖醇降低了32.2℃。     

基于JBD的日志型文件系统性能优化

针对EXT3在嵌入式平台等易发生断电或系统崩溃的环境下频繁出现系统错误的问题,提出对日志块设备层(JBD)的改进方法,在不影响内核中其他功能前提下,采用同步写入的策略代替原始的异步缓冲机制,以提高文件系统的稳定性和应对上述突发事件的能力。实验结果表明,改进后的算法与原有算法相比,出错率明显降低。     

环形激光陀螺测试技术的研究与设计

针对某环形激光陀螺传感器的总体输出误差特点,应用Allan方差法完成了对RLG频域输出误差的建模评估,包括陀螺的随机游走误差、零偏稳定性误差,以及马尔可夫噪声误差等,建立了温度误差零偏补偿模型。在陀螺测试过程中,采用了转台交差逆转的方法,尝试将零偏衰减中的常值漂移和线性漂移部分自动补消,结果表明可以改善传统的RLG转台测试法的测试精度。     

基于粗糙集理论的设计规则提取及其应用

产品演进设计中,产品数据复杂繁多、设计规则难以提取是困扰设计人员的两个关键问题.提出基于粗糙集理论的属性约简算法,较好地解决了产品数据约简问题;利用分类一致性算法,较好地解决了产品设计知识挖掘和设计规则提取问题.通过实证分析,证明了算法的有效性和高效性.     

LU分解和Laplace算法在GPU上的实现

随着图形处理器(GPU)性能的大幅度提升以及可编程性的发展,已经有许多算法成功地移植到GPU上.LU分解和Laplace算法是科学计算的核心,但计算量往往很大,由此提出了一种在GPU上加速计算的方法.使用Nvidia公司的统一计算设备架构(CUDA)编程模型实现这两个算法,通过对CPU与GPU进行任务划分,同时利用GP...