嵌入式软键盘UI一致性与功能差异性的研究

为了解决嵌入式WinCE系统所带软键盘按钮小和嵌入式设备触模操作便捷性要求之间矛盾,本文提出设计软键盘代替WinCE系统所带软键盘。为了解决嵌入式系统中多个数据输入的软键盘界面与嵌入式系统资源有限的矛盾,在设计中,提出了一种将软键盘界面与增加数据功能、删除数据功能、显示数据功能、数据合法性检查功能等键盘处理逻辑分离的技术,不同功能模块调用统一软键盘界面,实现了软键盘UI一致性和功能差异性,从而节省了系统资源;此外,为了减少软键盘按钮数,在小触模屏条件下触模按钮做得更大,提出了系统附加数据单位字符技术,这种技术也提高了用户数据输入速度。综合运用这些技术,完成了基于WinCE平台软键盘开发研制,实际应用表明提高了操作便捷性。     

聚焦数字化与智能化,为制造业提供先进技术、装备与人才支撑——"云南省先进装备智能制造技术重点实验室"介绍

云南省先进装备智能制造技术重点实验室传承屈维德教授在振动噪声领域的研究积累,在实验室主任伍星教授带领下,依托昆明理工大学机械工程学科,致力于先进装备智能制造与智能诊断技术领域的科学研究,在基础研究、科技开发、产业推广及人才培养方面做出了重要贡献.     

线切割加工中断丝的原因及其解决办法

在模具加工制造中，线切割机床起到了较大的作用。而线切割中断丝故障是比较常见的故障之一。本文在探索快走丝线切割加工中断丝故障的基础上，分析了断丝的各种原因，并针对各种断丝原因分别给出了其有效的处理办法。     

关于电视节目制作的工业工程方法应用探析

人们生活水平的提升,对精神文化生活提出了更高的要求,在百姓生活中,电视和网络已经成为非常重要的组成部分。如今电视媒体行业的竞争日趋激烈,那么就需要创新电视节目制作模式,一体化编导演制作,借助于新型工业工程方法来改造流程,促使节目制造效率得到提高,资源和成本得到节约。本文简要分析了工业工程方法在电视节目制作中的应用,希望可以提供一些有价值的参考意见。     

基于SRTMv4的异龙湖流域地形因子提取

以最新SRTMv4版DEM作为基础数据,选择异龙湖流域为研究区域,利用ArcGIS 10平台中的水文分析扩展模块提取异龙湖流域的流域边界和流域水文特征两方面的流域地形因子。根据提取结果与获取到的实测数据进行有效性检验:①与实际调查数据的水系网和1∶5万水系图对照比较,发现基于SRTM DEM所提取出的流域地形因子等信息是合理有效的。②与1∶5万DEM所提取流域水网进行对比发现基于SRTM DEM所提取的数据精度较为满意,在相同河网密度情况下,基于SRTM的DEM与1∶5万DEM的水网细节表现高度一致,具有可靠性。     

BP与AR模型在轴承性能退化评估和预测中的应用

为解决滚动轴承性能难以评估与预测的问题,提出BP神经网络与AR模型相结合的方法,以评估滚动轴承失效退化程度,并预测从正常运行到最终失效的性能退化趋势。基于正常运行到最终失效的全寿命数据,利用BP评估模型估计轴承的失效退化程度,网络输出的评估结果为隶属于正常概率的目标向量。分别选择BP预测模型与AR模型作为预测系统,利用得到的评估结果进行训练,训练结束后,采用BP预测模型与AR模型分别对滚动轴承进行性能退化的单步和多步预测。基于两组全寿命数据的对比分析,验证了该方法的有效性。结果表明,使用BP神经网络可实现对轴承性能退化程度的良好评估,相比BP自身预测模型,AR模型在性能预测上能得到更优的结果。     

基于属性约简与动态模糊依赖关系的企业绩效评价方法

针对如何更科学合理地进行企业绩效评价的需要,将粗糙集方法和动态模糊依赖关系理论相结合,提出一种新的企业绩效评价方法。应用粗糙集理论中基于属性重要度的属性约简算法构建评价因素集,基于动态模糊依赖关系理论构建公司绩效评价结果集。通过对具体的数据集的测试表明所提出的评价方法是有效的。     

使用局部支撑径向基函数的隐式曲线曲面几何迭代算法

由散乱数据稳定重构曲线曲面,在变分拟插值方法的基础之上,提出了使用局部支撑径向基函数的隐式几何迭代算法.首先,根据给定数据点的法向构造隐式函数的非零约束,构造计算隐函数系数的迭代格式,并讨论其收敛性;然后,在此基础上引入加速因子,对隐式迭代算法进行加速,同时讨论了加速算法的收敛性;最后,为了降低迭代过程空间和时间的复杂度,给出了一种加速算法的改进版本.数值实验表明,使用局部支撑径向基函数的隐式几何迭代算法对曲线曲面重构是有效的,并对部分信息缺失、非均匀分布、带噪声采样数据的重构也达到了较好的效果,且实现简单,易于并行.     

西门子810系统断电死机的故障分析与处理

通过几个实例,较为详细地论述了西门子810系统断电死机的原因和处理办法.     

基于小波网络的风机振动故障趋势预测

采用小波网络方法,通过对矿井通风机关键特征参数振动烈度的时间序列预测,实现了其特征参数的故障预报.由于小波网络比一般神经网络具有更多的自由度,从而使其具有更灵活有效的函数逼近能力.小波神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配,使得小波网络有更强的自适应能力、更快的收敛速度和更高的预报精度.