基于高阶累积量的暂态扰动Mahalanobis距离分类

为实现对脉冲暂态和振荡暂态2类暂态电能质量扰动的分类,提出一种基于高阶累积量的暂态电能质量扰动Mahalanobis距离分类法.该方法利用高阶累积量提取暂态扰动的高阶统计特征,选取其2,3,4阶累积量最大值和最小值构成扰动信号的6维特征向量,计算测试样本特征向量与标准模板之间的Mahalanobis距离,以“距离最小”作为分类判据,实现对2类暂态电能质量扰动的分类.仿真结果表明,低阶累积量不能单独用于区分不同类型暂态电能质量扰动;特征向量维数越高,对分类过程越有利.所提方法分类原理简单、准确率高,是暂态电能质量扰动的有效分类方法.     

20％苄·丙草胺水分散粒剂的崩解性和填充剂的研究

首先对苄嘧磺隆和丙草胺复配的20％水分散粒剂(W DG)配方中使用的助剂、填充剂进行选择和优化;按照产品加工工艺所示的方法制得制剂,并对制剂热贮前后的崩解性、润湿分散性悬浮稳定性等各项性能指标进行检测,根据实验结果研制出了性能优良的配方;最后对较佳配方制得的制剂进行热贮稳定性试验.实验结果表明:在悬浮率、乳化性及稳定性等性能指标较好的情况下,崩解时间为60 s,符合水分散粒剂的技术指标要求,解决了液体原药固体化、崩解难的问题.     

广东省小型水库动态监管系统的应用与实践

水库动态监管系统基于实用、低成本、一体化集成的设计理念,将图像信息集成到传统的水位、雨量信息采集设备中,形成水位、雨量、图像、水温、气温、气压等综合信息采集和传输一体化的采集设备,并设计了基于地理信息系统和数据库的信息管理平台.通过水库动态监管项目的实施,能够及时了解掌握各水库基础资料、运行管理现状、安全隐患等情况,可实现广东省大、中、小型水库的全天候实时动态管理.     

实施流域水功能区限制纳污制度细部工作

文章就当前如何深入落实和有效实施流域水功能区限制纳污制度,在流域执行层面怎样做好谋划整体、做实载体和求真具体3个重要环节的细部工作,进行了深度分析思考,切合实际地提出了有针对性的思路对策和具体做法,有助于实践中的借鉴和运用。     

新浪微博搜索排序方法研究

深入讨论了基于向量空间模型以及基于潜在语义分析的微博搜索排序算法,以新浪微博为例,通过建立实验系统,利用新浪微博公共开放平台提供的API获取实验数据,通过一个实验样例阐述向量空间模型和潜在语义分析的处理过程。新浪微博现有排序方法通常不能提供按照相关性排序的满意结果。利用向量空间模型以及潜在语义分析方法,构建"索引词-博文"矩阵,对博文进行分词和向量化。衡量博文和查询的相关度转化成计算博文向量和查询向量之间的相似度。把对博文和查询的处理简化为向量空间中向量的运算。由实验得知基于潜在语义分析的微博搜索排序算法有效地提高了博文的检索效率。     

基于STM32F4控制器的程序远程下载的实现

介绍了STM32F4控制器的特性及启动和程序下载的方式.提出了用软件方式更新下载应用程序的方法,弥补了下载程序需要硬件下载器的缺陷.设计并实现了STM32F4启动程序,以及使用该软件下载器时必须对应用程序进行包括参数配置、中断向量表的重置等的修改,实现了应用程序的远程下载功能.     

基于MATLAB的永磁同步电机矢量控制系统

基于永磁同步电机矢量控制系统的基本原理,利用Matlab仿真工具对各个模块进行了建模和仿真,并搭建出整个控制系统的模型.通过调节参数,得到了较为理想的输出波形,验证了矢量控制的合理性.     

基于最小二乘支持向量机的锅炉对流受热面清洁吸热量预测

针对神经网络拓扑结构复杂、易出现过度训练、仅获局部最优解的问题,为提高锅炉对流受热面清洁时潜在吸热量预测的准确度,更好地进行受热面污染监测,提出了一种新的基于最小二乘支持向量机的对流受热面清洁时潜在吸热量预测方法。依据最小二乘支持向量机预测原理,建立对流受热面清洁时潜在吸热量最小二乘支持向量机预测模型,同时建立神经网络预测模型进行对比研究,实例研究结果表明,最小二乘支持向量机较神经网络具有更高的拟合度,预测各性能都高于神经网络,其在对流受热面清洁时潜在吸热量预测方面明显优于神经网络,将成为对流受热面清洁时潜在吸热量预测也即受热面污染监测方面更为有利的工具。     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。