基于FPGA的BLDCM模糊PID控制器设计

以QuartusⅡ为开发平台,采用Verilog HDL语言编程在ModelSim中对基于FPGA设计的无刷直流电机模糊PID控制器进行了仿真验证,通过M atlab拟合M odelSim得到了数据.     

基于Langmuir-Blodgett法的无机纳米线取向组装与可编辑化层间设计

低维纳米材料的取向组装,是实现薄膜、涂层、陶瓷体等宏观材料性能提升的有效手段。为了实现高效且大规模的组装过程﹐研究人员开发了多种纳米线自组装方法。其中Langmuir-Blodgett（LB）方法由于取向程度高且易于操控,一直备受研究者们的喜爱﹐但此方法也存在工艺参数调控困难、组装时间较长、纳米线的普适性不强等问题。本文基于LB法﹐以一维（1D）纳米导体（Ag纳米线）与无机半导体（MoO3 纳米线和W18O49纳米线）为取向组装基本单元,详细研究与讨论了不同纳米线的组装工艺和纳米线组装中的动力学问题﹐并以此为基础,实现了纳米线同质/异质多层结构的组装。     

基于相关性的多维时序数据异常溯源方法

提出一种基于统计学相关性分析的多维时序异常数据检测分析方法,以对检测中表现为异常的数据进行溯源:对反映系统故障的数据和传感器质量问题的数据进行分类,进而识别出真正的系统故障,避免误检.首先根据相关关系构建时序相关图,再进一步归纳为时序相关环模型,通过在时序相关图上搜索并确定时序相关环的过程,提取时序相关环中的特征,得到时间序列相关性集合.进而利用时间序列相关性集合进行时序数据异常来源检测,根据检测结果评估时序传感器数据对应的系统故障的几率.在真实的工业设备传感器序列数据集上进行大量实验,实验结果验证了该方法在高维时序数据的异常检测任务上的有效性.通过对比实验,验证了该方法从稳定性和效率上优于基于统计和基于机器学习模型的基准算法,时间序列的维度越高,该方法较基准算法的提升越明显.该方法通过对多维时序数据相关性知识的挖掘,既节约了计算成本,又实现了对多维异常数据来源的精准识别.     

原位聚合法制备纳米氧化铬-聚吡咯复合材料

用沉淀法制备了纳米氧化铬（Cr2O3）粉体，对纳米Cr2O3粉体进行表面改性，使其均匀分散到吡咯单体中，采用原位聚合法制备了纳米Cr2O3／聚吡咯（PPy）复合材料。对合成的材料用X射线衍射（XRD）、傅立叶变换红外光谱（FT-IR）和透射电镜（TEM）等方法进行了表征。结果表明：PPy成功包覆在Cr203表面，形成了纳米Cr2O3／PPy复合材料。     

紫铜海水管焊接接头部位的腐蚀研究

紫铜海水管系经常在焊接接头部位发生腐蚀穿孔泄漏,分析主要是由于结构不均匀性和成分不均匀性所致。实验研究表明,用黄铜焊条所形成的焊缝组织为α β相,在海水中极易发生脱锌腐蚀,白铜焊条因镍的存在所形成的焊缝组织仍为铜-镍-锌三元单相固溶体(α相),因而具有较好的耐海水腐蚀性能。     

算法导论(原书第3版)

<正>内容简介:在有关算法的书中,有一些叙述非常严谨,但不够全面;另一些涉及了大量的题材,但又缺乏严谨性。《算法导论(原书第3版)》将严谨性和全面性融为一体,深入讨论各类算法,并着力使这些算法的设计和分析能为各个层次的读者接受。全书各章自成体系,可以作为独立的学习单元;算法以英语和伪代码     

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果...     

在线RFID多复杂事件查询处理技术

在线无线射频识别(radio frequency identification,RFID)数据流上的复杂事件处理技术是一个新的课题。现有研究工作仅是针对单一的复杂事件查询,没有考虑多复杂事件同时查询的处理策略。在复杂事件语言SASE(stream-based and shared event processing)的基础上设计了专门针对多查询的自动机及相关的优化技术,解决了RFID数据流上多复杂事件查询的问题。实验结果表明,算法在查询数量较大时,时间与空间上较传统算法有更好的表现。     

数据质量多种性质的关联关系研究

信息化时代数据海量增长的同时,用户需要利用多种指标从不同性质方面对数据质量进行评价和改善.但在目前数据质量管理过程中,影响数据可用性的多种重要因素并非完全孤立,在评估机制和指导数据清洗规则时,彼此会发生关联.本文研究了在实际信息系统中适用的综合性数据质量评估方法,将文献所提出以及在实际的信息系统中常用的数据质量性质指标,按其定义与性质进行归纳总结,提出了基于性质的数据质量综合评估框架.随后针对影响数据可用性的四个重要性质:精确性、完整性、一致性、时效性整理出在数据集合上的操作方法,并逐一介绍其违反模式的定义,随后给出其具体关系证明,进而确定数据质量多维关联关系评估策略,并通过实验验证了该策略的有效性.     

大数据可用性的研究进展

信息技术的迅速发展催生了大数据时代的到来.大数据已经成为信息社会的重要财富,为人们更深入地感知、认识和控制物理世界提供了前所未有的丰富信息.然而,随着数据规模的增长,劣质数据也随之而来,导致大数据质量低劣,极大地降低了大数据的可用性,严重困扰着信息社会.近年来,数据可用性问题引起了学术界和工业界的共同关注,开展了深入研究,取得了一系列研究成果.本文介绍数据可用性的基本概念,讨论数据可用性的挑战与研究问题,综述数据可用性方面的研究成果,探索大数据可用性的未来研究方向.