基于移动终端与Google Map的定位系统

在快速发展的移动互联网时代,在情景智能感知技术中,用户的位置信息具有重要意义,本文在调研的基础上首先介绍了LBS(基于位置服务)的定义,行业现状,整体产业链和研究意义的基础上,设计实现了基于移动终端与Google Map的定位监控系统,为相关的情景判别中的定位监控实现奠定了基础。     

大豆油基聚酯多元醇的合成及其在聚氨酯泡沫中的应用

以大豆油、苯酐、对苯二甲酸和小分子醇为原料,通过酯化–酯交换反应,制得了酸值0.5mg/g的大豆油基聚酯多元醇。通过FTIR(傅里叶变换红外)、~1H-NMR(核磁共振氢谱)的结构表征,确认了大豆油成功引入聚酯分子链中。同时,考察了大豆油用量对聚酯多元醇品质和聚氨酯泡沫性能的影响。结果表明,原料体系中含有质量分数15%～25%大豆油合成的聚酯多元醇时外观及加工性能较好,由其制备的聚氨酯泡沫的低温尺寸稳定性优异。     

粉状磺化沥青的质量改进

对粉状磺化沥青生产中出现的磺酸钠含量不稳定问题进行了研究，证明要获得好的磺化效果，对特定的沥青选择适宜的溶剂是最关键的因素。     

无线视频监控系统在特高压线路施工中的应用

介绍远程无线视频监控系统在1000kV特高压线路13标段安全文明施工中的应用,对监控系统方案、视频监控设备的优化整合、施工各个阶段的设备使用、监控点布置等进行了详细阐述。通过视频监控系统,管理人员可以对各个施工现场进行实时监控,实现了对施工现场的全过程管理。     

基于系统动力学的配电网规划评价

电网规划评价方法大都侧重于电网的静态分析,对电网发展的趋势及动态特性并未进行分析,使得评价结果有一定的局限性.鉴于系统动力学在缺少数据的情况下仍具有较强的定量分析能力,应用系统动力学中因果反馈的原理,提出一种基于系统动力学的配电网动态分析评估体系与模型,通过选取适当的技术经济指标进行动态模拟,分析得到电网规划方案的评价...     

一种基于Normal矩阵的时间序列聚类方法*

提出了一种基于Normal矩阵的时间序列聚类方法。该算法首先对时间序列数据进行向量形式转换,计算出各个时间序列间的相似度并构建复杂网络,然后利用基于Normal矩阵的方法进行复杂网络社团划分,同一类的时间序列被划分到一个社团,即实现对时间序列数据的聚类。为了验证该方法的可行性和有效性,将其应用于股票时间序列数据聚类分析中,并在两个实际的数据集上与其他方法相比较,取得了较好的实验结果。     

基于无监督域适应的可区分联合匹配算法

当域之间差异较大时,域适应的迁移效果较差.缩小域差可改善迁移效果,但却忽略后期分类时的可区分性.因此,文中提出基于无监督域适应的可区分联合匹配算法,根据域间类别的不同进行差异化处理,并结合特征匹配和实例重加权提高迁移效果.使用联合概率分布作为域之间数据分布差异的度量,缩小相同类域之间的距离,提高迁移性;扩大不同类域之间的距离,提高区分性.在特征降维的过程中联合特征匹配和实例重加权,共同构造特征变换矩阵.实验表明,文中算法在18组任务上的分类效果较优.     

一种基于模板和DCT变换的柔性电路板配准方法

针对柔性印刷电路板（FPC）生产检测过程中的效率、精度等要求,提出一种基于模板与离散余弦变换（DCT）描述子的配准方法。首先,为了解决配准的精度问题,由电路板文件工程图解析得到对应图像,为后续处理提供更好的模板图,再利用离散余弦描述子的频域能量聚集特点,在模板与被检测图像之间建立对应关系,从而计算出对齐参数。其次,使用mipmap技术处理模板,为配准阶段提供不同精度的模板图片,从而有助于精度及效率的提升。实验结果表明：该改进算法的最大误差和平均误差均比原方法小;对于电路板这种大分辨率的图像,在mipmap采样的模板条件下,可以获得较高的精度,且处理速度有较大的提升。     

基于神经网络的电力系统暂态稳定分布式自适应控制

针对电力系统中普遍存在的系统非线性和参数不确定性等问题,提出一种基于径向基函数神经网络(RBFNN)的分布式自适应控制器,以提高多机电力系统的暂态稳定性.利用基于RBFNN的方法对系统中的未知非线性项和外部扰动进行补偿,设计相应的自适应参数估计方法,逼近未知非线性项的理想权值矩阵.该策略基于多智能体框架,分布式控制器通过通信网络接收测量装置测量的实时数据,并控制储能装置动作,使受到扰动后各发电机能够迅速实现频率同步.利用李雅普诺夫稳定性理论,证明所提出的分布式控制方法的收敛性.最后,通过仿真研究验证所提出的分布式控制方法的有效性.     

一种结合灰狼算法的粒子群优化算法

针对粒子群算法有陷入局部最优的缺点,提出一种基于灰狼算法的粒子群优化算法.首先,根据自然界中优胜劣汰的生存法则,对每次迭代种群中的最差粒子进行进化,其次,由于粒子群算法中整个种群中的最优粒子有很强的引导能力,对最优粒子进行扰动,增大寻找全局最优的可能性;最后,结合灰狼优化算法,引导粒子群包围式进行搜索,增强全局搜索能力;将改进的粒子群算法与标准粒子群算法在9个测试函数上进行了寻优精度和收敛速度的对比,结果证明改进粒子群算法(PSO_GWO)在收敛速度和寻优精度上均优于粒子群算法(PSO).