基于PC的PROFIBUS总线监视软件的设计

在众多的现场总线中,PROFIBUS是目前市场保有量最大的总线,它越来越广泛地应用于各个领域。但是,目前有很多已投入运行的PROFIBUS总线系统处于亚健康状态,存在安全隐患。因此,对整个PROFIBUS系统运行状态的诊断及对故障隐患的及时发现并修复具有重要的意义。该方案采用PC机为平台,Windows为操作系统,VC＋＋作为开发环境,通过软件实现对PROFIBUS—DP系统运行状态的监视、分析;通过验证,设计结果基本上实现了总线监视的功能。     

求解本原多项式的快速算法

文档图像处理技术是实现对网络上以"图片化"形式发送的垃圾邮件进行检测和过滤的有效手段.该文对彩色文档图像的版面进行分析,目的是分割出图像中的特定目标,便于分析并检测出文档图像中是否含有特别字符信息,从而使得网络垃圾邮件过滤系统可以根据这些信息判断是否过滤该邮件.实验结果表明,上述方法可以在不同颜色深度和不同几何结构的彩色文档图像中进行有效的检测,具有较好的实用性和应用价值.     

MAH改性方法对淀粉/聚乳酸界面相容性的影响

以玉米淀粉和聚乳酸(PLA)为原料,马来酸酐(MAH)为改性剂,通过熔融挤出法制备淀粉/PLA复合材料。研究了MAH分别作为增容剂和淀粉酯化剂这两种改性方法对淀粉/PLA相容性的影响,并对复合材料的熔融加工性能、力学性能和耐水性能进行了测试。X射线衍射(XRD)、扫描电子显微镜(SEM)和热重分析(TGA)结果都证明,MAH与原淀粉先进行干法酯化改性再与PLA复配制得酯化淀粉/PLA复合材料,比MAH作为增容剂直接添加制得原淀粉/MAH/PLA复合材料具有更好的界面相容性。受界面相容性提高程度的影响,酯化淀粉/PLA复合材料的熔融加工性能、拉伸强度、弯曲强度、断裂伸长率和耐水性能都优于原淀粉/MAH/PLA复合材料。     

独立型微电网VSG控制参数分析及定量计算

针对VSG控制原理无法为独立型微电网提供必要的惯量支撑以及阻尼作用的问题,通过建立VSG控制的小信号,分析VSG控制中2个重要参数J和D对系统稳定性的影响以及作用机理,确定了2个参数的选取原则,最后通过MATLAB/Simulink仿真验证其正确性。     

磷酸铁锂电池SOC在线估算研究*

针对扩展卡尔曼滤波算法中近似线性化处理及电池实际使用中出现的容量衰减引起的电池状态估算误差,提出基于容量修正的无迹卡尔曼滤波算法完成电池荷电状态估算,实现电池全寿命状态监测。通过分析锂电池工作特性和建立二阶RC等效电路模型,使用在线参数辨识法实现电池动态参数计算,为电池荷电状态估算奠定基础。结合电池实际工作中容量衰减特性,利用容量修正和无迹卡尔曼滤波算法完成电池荷电状态的在线实时估算,提高了估算精度。在恒流放电工况下,利用MATLAB仿真验证,表明无迹卡尔曼滤波算法的估算精度和鲁棒性优于扩展卡尔曼滤波算法,估算误差在3.5%以内。引入容量修正后,对老化情况下容量衰减的电池进行荷电状态估算,相比容量未修正时最大估算误差减小了3%,满足电池全寿命状态估算使用需求。     

基于层次分析法的科研信用评价模型优化

为了提高科研信用评价能力,提出层次分析法的科研信用评价模型。采用空间分布式信息重构方法进行科研信用评价的模糊特征重组,进行科研信用多元评价的信息挖掘和特征提取与进行科研信用评价的均衡配置和线性规划设计,实现科研信用评价的层次化分析和特征重建。采用二乘规划模型进行科研信用评价的大数据调度和模糊空间信息采样,结合资源优化调度方法,实现科研信用资源信息优化配置,通过博弈均衡控制方法,进行科研信用的优化评价和参数自适应评估。通过仿真测试得出结论,采用该方法进行科研信用评价的准确度较高,性能较好。     

一种改进的在线自适应模块化神经网络

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样本空间的个数进行自适应增减,每个子网络模块对属于对应样本空间的样本进行学习;最后,集成模块对子网络模块的输出结果进行集成,输出最终结果.针对在线梯度下降法要求样本有足够的随机性问题,提出一种具有固定记忆的在线梯度下降法对网络进行在线学习.通过对典型非线性时变系统及污水处理过程中出水氨氮浓度进行预测,验证了该模块化神经网络能够实时有效地更新RBF神经元中心,并减少学习过程中子网络模块不必要的增减,且网络结构更加简洁,能够准确预测不同的时变系统.     

基于启发式社团发现模型的创新态势研判算法

专利网络是复杂网络领域重要的组成部分,研究专利网络对理解和把握技术创新方向具有重要指导作用。利用专利文本数据构建无向加权专利网络图,并基于启发式社团发现模型提出一种创新态势研判算法。为了缓解专利标题和摘要短文本引发的文本向量稀疏问题,采用非监督的稀疏向量稠密化方法;为了解决专利网络构建过程中的相似度阈值自动化选择问题,以实验驱动的方法对比相似度阈值与专利网络常用统计指标的变化关系,最终选用平均聚类系数这一指标实现了最优相似度阈值的自动化判定。以我国数字中国及大数据领域真实发明专利数据为驱动,验证了方法的有效性并分析了数字中国及大数据领域创新态势。     

基于距离和密度聚类的RBF网络结构设计

为确定径向基函数RBF(radial basis function)神经网络隐含层结构,并针对基于距离或密度聚类的RBF神经网络的限制,提出一种基于距离和密度聚类(GDD)算法的RBF神经网络。GDD算法通过计算每个样本的密度,各样本间的距离及相似条件(密度标准、距离标准),相似条件是根据样本分布而改变的,进行样本空间划分,实现无需先验知识及参数,就可以精确识别任意形状的聚类。采用GDD算法聚类,RBF神经网络能确定合适的隐含层节点个数及径向基函数中心。对典型非线性函数逼近及UCI机器学习库实例样本进行实验,结果表明基于GDD算法设计的RBF神经网络具有良好的逼近能力和分类效果,且网络结构更加紧凑。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。