环冷水底滤法高炉渣处理工艺设计

详细介绍了环冷水底滤法高炉渣处理工艺,从冲渣沟、过滤池两方面着手介绍了环冷水底滤法高炉渣处理工艺设计的主要内容,并以实例说明了环冷水底滤法高炉渣处理工艺操作。     

基于APSO的GIS腔体移动机器人区间二型模糊跟踪控制

为解决气体绝缘封闭开关设备(GIS)腔体移动机器人的轨迹跟踪控制问题,提出一种基于优化算法的麦克纳姆轮全向移动机器人(MWOR)区间二型模糊跟踪系统。建立MWOR在腔体中的非线性模型,并设计相应的区间二型模糊逻辑控制器(IT2FLC);针对IT2FLC隶属度函数难以确定的问题,采用自适应粒子群优化(APSO)算法对隶属度函数进行优化。分别对MWOR在无扰动和有扰动时进行直线和圆轨迹跟踪的仿真实验。结果表明,该方法对MWOR具有很好的控制效果和抗干扰效果。     

基于模糊卡尔曼滤波的四旋翼姿态估计方法

针对四旋翼在飞行中因运动加速度及磁场干扰等影响引起的姿态估计误差,提出一种基于动态估计的模糊扩展卡尔曼滤波姿态估计算法。该算法利用传感器数据对运动频率、运动加速度及磁场干扰的大小进行估计,对估计值模糊推理后,使用输出值调整卡尔曼滤波测量噪声方差和梯度下降步长,增加姿态估计算法的动态适应性。为验证所设计算法的估计效果,使用四旋翼仿真模型进行验证。实验结果表明,该算法能够有效地提高四旋翼在高机动、强干扰情况下姿态估计的姿态跟踪精度、动态性能、抗干扰能力。     

二氧化锡粉体材料的制备及表征

以二水合二氯化锡为主要原料,用微波加热法制备二氧化锡粉体.用粒度仪、比表面积仪、扫描电镜、X射线衍射仪等对所得粉体进行表征.结果表明:微波加热可使原料反应生成粉体颗粒,其反应物浓度、溶液pH、微波加热功率及反应时间都对粒径产生影响.在二水合二氯化锡用量0.84 g、微波加热功率400 W、溶液pH为1.9～3.0、反应时间20 min、反应物浓度为3.5 mmol/L时,可以制备出二氧化锡粉体.从电镜照片可以看出,可以制备出部分的纳米级二氧化锡粉体.     

基于逆运动学的柔性机械臂末端定位控制

针对具有形变特性的柔性机械臂,在运动过程中存在末端不易定位控制或定位精度低的问题,设计了一种线驱动柔性机械臂样机,通过分析其运动机理推导末端位置空间、臂体形态空间以及驱动空间三者之间的逆运动学关系;然后,提出了基于逆运动学模型的柔性机械臂末端定位控制方案;最后,利用CoppeliaSim仿真平台建立了柔性机械臂仿真模型...     

基于 LVS 的 FTP 资源共享平台负载均衡方案磁

高校校园网中的FTP服务资源共享平台面临支撑较大规模数据的并发访问的压力,论文基于LVS负载均衡技术整合和改进现有网络技术,设计三层结构服务器集群的FT P服务资源共享平台,并依托某高校实例予以实现,经对平台性能的相关参数测评表明：设计实现的平台方案优于实施前的方案,对促进有限资源条件下的高效资源共享平台构建技术发展具有实际意义。     

应用超高分子量聚乙烯材料解决落煤斗堵煤难题

超高分子量聚乙烯是一种新型的高分子聚合物。它所具有的一些优良特性 ,使得用其制成的衬板在湿煤和粘煤经过时不会堵煤 ,而且耐磨性和抗冲击能力极好。本文主要介绍超高分子量聚乙烯的性能、特点以及用它制成的衬板在解决落煤斗堵煤这一难题中的作用。１超高分子量聚乙烯的物理性能超高分子量聚乙烯（ＵＨＭＷＰＥ）是国际上最新的工程塑料 ,其分子结构和普通聚乙烯（ＰＥ）相同。所不同的是普通ＰＥ的分子量较低（几万～几十万） ,而ＵＨＭＷＰＥ的分子量一般均超过１００万 ,使其具有一些普通ＰＥ及其它工程塑料所没有的独特性能。（１）…     

一种基于投票机制的代表点选择算法

代表点选择是面向数据挖掘与模式识别的数据预处理的重要内容之一,是提高分类器分类正确率和执行效率的重要途径。提出了一种基于投票机制的代表点选择算法,该算法能使所得到的代表点尽可能分布在类别边界上,且投票选择机制易于排除异常点,减少数据量,从而有利于提高最近邻分类器的分类精度和效率。通过与多个经典的代表点选择算法的实验比较分析,表明所提出的基于投票机制的代表点选择算法在提高最近邻分类器分类精度和数据降低率上都具有一定的优势。     

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。     

基于遗传算法及聚类的基因表达数据特征选择

特征选择是模式识别及数据挖掘等领域的重要问题之一。针对高维数据对象（如基因表达数据）的特征选择,一方面可以提高分类及聚类的精度和效率,另一方面可以找出富含信息的特征子集,如发现与疾病密切相关的重要基因。针对此问题,本文提出了一种新的面向基因表达数据的特征选择方法,在特征子集搜索上采用遗传算法进行随机搜索,在特征子集评价上采用聚类算法及聚类错误率作为学习算法及评价指标。实验结果表明,该算法可有效地找出具有较好可分离性的特征子集,从而实现降维并提高聚类及分类精度。