优化对称分量法在SVC系统的应用研究

静止无功补偿装置需对电网中的无功分量和负序分量进行快速检测,从而实现对电网的动态补偿.文章提出了一种优化对称分量法,该算法以对称分解与αβ变换为基础,通过电流正序、负序分量与αβ变换关系可以实现SVC系统的无功与负序电流检测.基于模糊PI控制,本文对SVC控制方法进行了说明,采用PSCAD软件的仿真和实验结果表明,基于...     

关于大学生考试作弊行为的思考

本文分析了大学生考试作弊的各种心态,描述了作弊的各种手段和方法。提出了防止考试作弊的措施,试图从内因,外因两个方面加强对作弊行为的防范。     

初探教学管理中的激励手段

本文依据马斯洛的需要理论，分析了日常教学管理中激励的客观必要性，同时分析了当前大学教师需要的一些特点，试图针对其特点，提出了激励原则和激励方法及手段，最后从系统的角度，提出在教学管理中倡导全“员”激励，全“程”激励和全“素”激励的全面激励策略，以求教学管理取得最佳效应。     

锦纶聚合釜温度模糊自适应PID控制系统研究与仿真

锦纶聚合釜温度具有非线性、大滞后等特点,使用传统PID控制器的控制效果不够理想。在建立聚合釜温度数学模型的基础上,采用模糊算法与PID控制相结合的模糊自适应PID控制算法,实现PID参数自整定,提高控制精度。基于MATLAB平台构建釜温控制系统模型,仿真结果表明所提模糊自适应PID控制算法效果优于传统PID控制。     

成人高等教育的本质特征和教育教学方法改革

我国成人高等教育的教学内容、方法、手段一直模仿全日制普通高校的路子,缺乏自己的特色,与社会经济的发展存在着诸多不适应。主要体现在:教育目标大都套用普通全日制的培养模式,没有体现新时代对成人的素质、能力和有关创新教育的要求;教学计划、课程体系是在普通全日制相同或类似专业的教学计划、课程体系的基础上做简单的增、减,没有针对成人学习的不同要求,设计出针对成人特点的教学计划和课程体系;教材内容陈旧,应用性差,不适应成教学生自学,其中相当一部分还是套用全日制的;教学方法与手段落后、简单,常见的仍是教师讲,学生听,课堂气氛沉闷,课堂教学效果不理想等等。为此,我们必须认清成人高等教育的本质特征,改革成人高等教育和教学方法,为培养出合格的与社会经济发展相适应的“当班人”而努力。     

基于QDPSO-BP网络的多传感器融合算法

多传感器数据融合的理论和方法已经被应用到许多领域。但目前对于多传感器所测的数据还没有一种通用的行之有效的处理方法。基于量子空间的粒子群(QDPSO)算法训练的BP神经网络具有较好的稳定性和收敛性,将其运用于多传感器的数据融合,在仿真中取得了比常规算法更高的精度,控制策略制定准确、可靠,是一种较有潜力的多传感器数据融合方法。     

基于支持向量机的传感器管理技术研究

传感器的优化管理是影响多传感器目标分配问题的重要环节。在分析传感器管理基本要求的基础上,提出了一种基于支持向量机(SVM)的新型目标判定方法。利用SVM算法能够对经验风险和置信范围进行有效控制的优点,以进行多传感器系统的融合预测与可靠性检测,最终实现了在实测数据和可靠的目标预测信息下,对传感器资源的有效管理。仿真实例证明了该传感器管理方法的合理性和有效性。     

基于PSO-SVM的白酒品质鉴别电子鼻

研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vector mchine,SVM)分类模型的输入.为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g.不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO- SVM分类模型的识别准确率达到了97.5％.结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻.     

基于粒子群算法的多传感器数据融合

粒子群算法是一种有效的寻找函数极值的演化计算方法,它简便易行、收敛速度快,但存在收敛精度不高、易陷入局部极值点的缺点。本文对原有算法中的固定惯性权重进行改进,着重分析了惯性权值因子在粒子群优化(PSO)算法中的作用,在现有的线性递减权值方法上,提出一种非线性权值递减策略,并将其尝试性地运用到多传感器融合的领域,运用该算法对数据融合中的加权因子进行估计。实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度/互补性以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合,有效地从各融合数据中提取有用信息,成功排除噪声干扰,取得了良好的融合结果。     

普通高校大力开展培训工作刍议

本文从时代发展和高校自身发展的需要等方面简要论述了高等学校开展培训工作的重要性,强调普通高校的培训工作大有可为,要多样化的发展。