灌区灌溉用水量管理系统的研究与设计

基于GPRS无线通讯网络技术,提出了一种采用超声波明渠流量计、巴歇尔槽、液位传感器等原件构成的灌区明渠流量测量系统方案。系统可以及时的将传感器采集到的数据,通过GPRS模块无线传输给监控中心的上位机,上位机将接收到的数据进行分析和处理,进而实现上位机对明渠流量计和数据采集仪等仪器的控制。系统以较低的建设成本实现灌区测流管理的自动化和信息化,相对误差较小,能够满足明渠流量计算的精度要求,且实时性好,可靠性高。     

总线型车辆自动称重系统

在分析了当前车量称重技术的基础上,提出了一种基于RS485和工业以太网技术的车辆自动称重系统的设计方案,介绍了系统结构,详细阐述了数据传输方法,并给出了部分接口电路。试验结果表明,该总线型车辆自动称重系统满足数据采集与控制的要求,实时性强,达到了预期效果。     

EPA通信网络接入技术的研究与应用

通过对EPA网络整体架构和NAT(Network Access Technology)的分析研究,给出了EPA通信网络接入技术的分类.作为EPA-NAT的一种应用,在浙江中控的CS4000过程控制实验装置的基础上,组建了EPA通信网络控制系统(NCS),论述了该系统的工作原理,并设计了系统组态工程.通过实际使用,验证了EPA系统的优越性,并提出了搭建包括EPA网络节点在内的网络化过程控制系统实践平台的构想.     

无人值守放牧监测系统报警准确率的研究

通过ZigBee技术、GPS定位追踪技术和远程无线通信技术的结合,计算了ZigBee节点传输距离,并提出一种双系统的监测牛群数量的策略,通过对系统误报率的分析,设定误报率门限,从而确定双系统的组成方式,提高牛群数量监测的准确性,降低误警概率.在此基础上设计了一套智能牛群检测系统,并通过实验验证了理论计算结果.该系统可以在无人值守的情况下,自动监测草原牧场上牛群数量并记录牛群位置,实现自动上传功能.     

基于改进边界距离变换的路径提取算法研究*

针对虚拟内窥镜中心路径提取算法时间效率不高的问题,通过改进边界距离变换,提出了中心路径的快速提取算法。首先建立最小距离场,在边界内推过程,仅扫描并处理与边界点面连接的点并对其设标记属性,每次向里剥离一层体素标记属性随之增加,直到对内部点集都置到边界的最小边界距离值（DFB）;然后找到DFB值不小于其所有面邻接点DFB值的体素点,即3D局部最大值;最后用最短路径相连3D局部最大值,形成中心线。实验结果表明,改进的中心路径提取算法的时间效率较传统距离变换算法有很大提高。     

L_1和L_2混合范式超分辨率重建的车牌识别

针对视频中低分辨率图像的车牌识别准确率低的问题,提出一种结合L_1和L_2混合范式的序列图像超分辨率重建的车牌识别技术。首先对序列低分辨率图像进行L_1和L_2混合范式超分辨率重建,其次对重建后得到的一帧高分辨率图像进行基于HSV颜色模型车牌定位,然后对分割出的字符采用方向梯度直方图和支持向量机相结合的方法进行车牌识别。实验结果显示提出的算法对车牌中的字符识别效率高达96%,对比于传统的基于特征匹配和BP神经网络的车牌识别算法对字符的识别有明显的改善。结果表明,通过L_1和L_2混合范式的超分辨率重建处理,将方向梯度直方图和支持向量机相结合的识别方法对车牌中的字符有较好的识别效果。     

基于云计算平台的动态增量密度算法研究

针对传统密度聚类算法处理海量数据时间复杂度高且不适合处理动态数据等问题,提出一种利用参考点和MapReduce模型进行动态增量聚类的密度算法。其创新点在于,该算法实现了一种能够处理海量动态数据的聚类算法,保证了增量聚类与重新聚类结果的一致性,并具有可扩展性的特点。实验结果证明:该算法降低了参数敏感性,提高了密度算法的聚类效率和资源利用率,适合大数据分析。     

基于个人微博特征的事件提取研究

个人微博在事件提取上大多都是运用文本进行相似度计算最终达到聚类结果,而没有充分的考虑到微博特征。针对微博标签、URL、时间等特征,提出一种基于微博特征的事件提取算法。该算法针对微博的特征进行TF-IDF的改进,并加入标签相似度,URL相似度,进行综合相似度计算,最后按时间先分段后合并的改进K-means聚类方法得出事件提取结果。实验结果表明,基于微博特征的事件提取算法对微博关键字提取和事件提取的精确度有明显的提高。     

包钢热轧平整机组纠偏自动控制系统的分析

纠偏控制系统是板带生产环节中确板带质量的一个最重要的部分。以包钢热轧平整机组为例,分析EMG光电感应对中(CPC)和对边(EPC)纠偏控制系统的原理,硬件组成、主要的控制方式和电液控制系统。     

基于数据场的量化关联规则挖掘方法设计

目前关联规则挖掘多集中在布尔型关联规则的挖掘,对量化关联规则的挖掘研究较少,传统方法多是将量化属性离散化,进而转化为布尔型关联规则的挖掘。为了克服传统方法中区间划分过硬问题,本文设计了基于数据场的量化关联规则挖掘方法,并使用数据场的场量定义支持度和置信度的计算公式。该方法充分考虑数据集中数据的非完备性以及各个数据对数据挖掘任务所发挥的不同作用,可使得挖掘得到的关联规则更精确。