熔融石英陶瓷的性能及其应用

介绍了石英陶瓷的性能特点、制备过程及应用领域     

一种改进的动态核主元分析故障检测方法

针对复杂工业系统动态非线性故障检测过程精度低和计算量大的问题,提出了一种改进的动态核主元分析故障检测方法，该方法首先利用不可区分度剔除相关程度较小或者不相关变量,减少数据量，然后通过观测值扩展对筛选后的新数据构建增广矩阵，并对矩阵使用核主元分析提取变量数据的非线性空间相关特征，最后通过监测T ²和SPE 两种统计量诊断出系统发生故障及识别故障变量。仿真实验证明，该方法能对风力发电机故障进行有效监测和诊断，与KPCA方法相比，改进的动态核主元分析方法对微小故障更为敏感。     

TH-PPWM在多用户环境下的性能分析

随着无线通信技术的发展,超宽带(UWB)技术以其传统窄带通信所没有的优点,而得到了各界的关注。文中就多用户环境中脉冲位置调制(PPM)误符号率较高的问题,提出了一种新的超宽带的调制方式—脉冲位置宽度调制(PPWM)。该调制方式在原有的脉冲位置调制的基础上,加入了脉冲的宽度调制,用不同宽度的脉冲来传输不同用户的信息,使得在解调过程中能量匹配更加准确。给出了基于跳时(TH)的PPWM和PPM的信号模型,同时分析了TH-PP-WM和TH-PPM在多用户环境下的误符号率性能,以及TH-PPWM与用户数的关系。计算机仿真证明了TH-PPWM较TH-PPM能够更好的降低误符号率;同时在多用户的环境下,随着用户数的增加不会造成TH-PPWM误符号率性能的不稳定。     

模拟短波接收机的数字化及其实现

介绍了一种模拟短波接收机数字化改造的设计方案.设计中沿用模拟短波接收机接收短波信号,对其输出的中频信号进行增益控制、模数转换、分集合成、信号解调、数模转换和低通滤波等数字化处理,从而改善了短波无线通信系统的性能,提高了接收信号的信噪比.     

基于MultiBoost 的集成支持向量机分类方法及其应用

针对网络故障诊断中的模式识别问题, 提出一种基于多重提升(MultiBoost) 的优化支持向量机集成学习方法. 首先, 利用自适应的荷尔蒙调节遗传算法(HMGA), 对支持向量机基分类器进行建模参数优化; 然后, 通过构建MultiBoost 集成学习方法将多个基分类器集成, 建立以多分类器优化集成为核心的故障诊断系统. 实验结果表明, 所提出的方法在网络故障诊断中, 迭代次数少、建模时间短, 并且能够明显提高故障分类的准确率.     

花岗岩地区病险水库工程地质问题及处理措施

花岗岩地区病险水库的险情主要为坝基渗漏,高水位运行期坝脚易发生管涌而限制水库效益的发挥。以某病险水库为例,分析总结了花岗岩地区以风化料作为坝体填料的主要地质问题;对坝基花岗岩深厚的风化壳、差异风化以及河床冲洪积砂砾卵石层等主要工程地质问题进行了评价;针对主坝、副坝及溢洪道的防渗加固,提出了相应的工程措施。对其他典型花岗岩地区的病险水库工程勘察有一定参考价值。     

具有奖罚机制STDP的Spike-CNN模型的机械臂故障分类

在计算机视觉领域中,卷积神经网络取得了举世瞩目的成就,但其能耗问题一直未能得到很好解决.基于此问题,本文主要研究无监督学习范式下的Spike-CNN分类性能以及计算力.首先,本文设计了一种基于CNN和SNN的混合结构,在层级结构上实现脉冲机制;其次,为减少模型训练时间,本文提出了ReLU-ROC编码方案;最后,为使兴奋性神经元快速做出决策,本文提出了具有决策能力的RP-STDP学习方案：计算每对突触前与突触后兴奋性神经元的相对时间差.实验结果表明：以工业机器人采集到多元时间序列数据解决机械臂不同工作状态的3分类、4分类、5分类问题,在没有引入其他分类器的情况下,本文提出的具有奖罚机制的STDP的Spike-CNN方法平均准确率为LP1(91.07%)、LP2(96.66%)、LP4(93.95%).     

支持向量机在变压器故障诊断中的应用研究

变压器是电力系统的重要设备,其工作状态直接影响电网的稳定性.因此,研究变压器故障诊断技术以及如何提高变压器的运行维护水平具有重要的意义.经过大量的实践发现,常用的三比值法存在缺编码、编码边界过于绝对和故障诊断准确率不理想等缺陷.为弥补上述不足,提出了基于支持向量机的变压器故障诊断方法.诊断实例表明,采用该方法进行变压器故障诊断准确率得到较大提高.     

冲突证据融合的优化方法

多数研究者认为, 用修改数据模型(证据体)的方法来解决冲突证据组合问题较为合理. 然而, 已有的基于修改数据模型的方法仅考虑如何提高冲突证据组合结果的聚焦程度. 实际上, 它们并没有考虑如何通过修正来消减证据之间的冲突. 显然, 若融合结果由冲突证据组合得到, 那么其可信性必然较低且会给随后的融合过程带来较大的风险. 针对此问题, 沿用折扣系数法, 该文基于证据距离准则提出了一种折扣系数(可靠度)优化学习模型, 优化过程同时考虑提高聚焦程度和消减冲突, 通过使折扣修正后组合结果的基本概率赋值(Basic probability assignment, BPA)与直言BPA (Categorical BPA, CBPA)之间的距离最小来寻优, 其中证据可靠度大小的序关系作为约束条件, 它依据证据的虚假度确定. 典型算例验证了所提方法比现有的一些组合方法, 在聚焦能力和冲突消减两方面都更合理.     

嵌入式Power PC Linux环境下基于Net-SNMP的代理开发

在Linux for Power PC环境下，使用Net—SNMP软件开发工具开发了一个基于SNMP协议的代理，在该代理中将原有的标准MIB进行了私有MIB的扩展。详细给出了运用Net—SNMP开发工具在嵌入式Power PC平台上开发代理进行私有MIB扩展的实现方法。