数控设备装调实验台十字工作台结构设计

指出了高校数控设备装调实验台现有的几种十字工作台在结构设计上的问题,并针对性地提出了十字工作台的直线导轨安装基准、滚珠丝杠支承结构、底座水平度调整机构的设计方案。     

电视购物调查分析——以陕西电视台“乐家购物”为例

对"乐家购物"消费者的调查数据用交互式列联表作初步的描述分析,表明随着年龄的增长、教育程度的提高、月收入的增加,选择电视购物的次数都有增加的趋势;构建Logistic回归模型对影响电视购物的因素作深入分析研究,揭示影响消费者选择电视购物的主要因素是年龄和受教育程度,并为电视购物的发展提出建议。     

乒乓球多媒体课件在体育课程体系建设中的开发与应用研究

在我院体育教学实践中利用乒乓球多媒体课件的开发与应用研究,不单纯是一种技术的引进,更是一种全方位的教学改革,作为我院体育课程体系建设的组成部分,它将引发我院体育教学观念、教学设计、教学方法、教学互动、教学艺术等方面一系列的探索与思考。     

基于矢量控制的单相三电平电压型PWM整流器

针对传统单相PWM整流器控制方法存在的PI调节器的静态误差和开关频率高、开关损耗大的问题,提出了一种新型的基于空间矢量控制的单相三电平电压型PWM整流器.首先分析了单相三电平电压型PWM整流器的工作原理,然后给出了模态选择判别方法,制定了开关表.该方法很好地对交流侧电流进行了控制,实现了交流电子负载对于功率因数模拟的要求.最后通过Matlab/Simulink仿真验证了该控制方法的正确性.     

试件特性对地震模拟振动台控制性能影响Ⅰ——对系统稳定性的影响

为了解决地震模拟振动台控制系统设计时将试验试件假定为刚性质量造成的控制系统控制频带窄、稳定性差、地震记录再现精度低等问题,通过系统建模分析了单自由度、多自由度柔性负载在刚性负载设计参数、空载设计参数控制下的系统性能.结果表明,柔性负载在空载设计参数下的系统稳定性更优.实例仿真表明,空载设计参数控制下系统稳定性得到大幅度改善.     

不确定性线性系统的H_∞输出反馈鲁棒重复控制

为了抑制乘性不确定性线性系统中的外部扰动,提出了一种重复控制器与输出反馈控制器参数同时优化的方法.引入一个假想摄动将系统的扰动抑制问题归结为具有结构型摄动的系统鲁棒稳定性问题.根据小增益定理得到该结构型摄动系统鲁棒稳定性的充分条件.引入一个稳定的定标阵,得到该结构型摄动系统低保守性的鲁棒稳定性充分条件.基于该充分条件和线性矩阵不等式方法(LMI)、锥补线性化方法(CCL),提出的迭代算法可以同时计算出重复控制器中低通滤波器剪切频率的最大值及其对应的输出反馈控制器的参数.最后,低频线振动台系统验证了该方法的有效性。     

中间表组卷算法

试题库系统在教学中应用日渐广泛,组卷算法是试题库系统的核心问题。本文主要对现有的常用的组卷算法进行分析,总结其优缺点,提出了一种中间表组卷算法,这种算法适用于小型的试题库系统。     

Vertical shaking table tests on the structure with viscoelastic multi-dimensional earthquake isolation and mitigation devices

The viscoelastic multi-dimensional earthquake isolation and mitigation device is a new kind of passive control device, which can perform its "name-giving" task of earthquake isolation and earthquake mitigation simultaneously. In order to quantify its vertical earthquake isolation and mitigation effect on structures, firstly, shaking table tests on steel frame structures with and without the devices were carried out; secondly, analysis on dynamic characteristics and dynamic responses of the structures was al...     

决策表中基于对象的μ-约简方法研究

研究了不协调决策表中基于对象的μ-约简问题,给出了μ-约简的一些性质及等价定义,得到了μ-约简的判定定理和相应的可辨识矩阵及辨识公式,从而提供了不协调目标信息系统知识约简的新方法。并通过实例将决策表中基于对象的约简与整体约简进行了对比,结果表明前者可以得到更简洁的知识。该方法也适用于协调目标信息系统。     

基于卷积神经网络的指针式仪表识别

目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术,提取过程较为复杂且步骤繁多.为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题,本文提出了一种基于深度学习的指针式仪表的识别方法.首先用Faster R-CNN算法检测仪表圆盘,再采用基于深度学习的方法Faster R-CNN算法检测指针,根据得到的指针目标框的位置信息裁剪得到指针图像,在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数.和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰.实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55％.对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.