最早截止期优先的网络控制系统动态调度研究

网络控制是涉及计算机技术、自动控制技术、通信技术和最优化理论等的综合学科,网络调度对网络控制系统性能的影响是近年来国际学术界研究的热点。介绍了网络控制系统的基本组成和可调度性分析方法,提出一种由实时任务调度理论改进的网络动态调度理论——最早截止期优先(EDF)动态调度算法,并在控制器局域网络下采用Truetime与Simulink仿真工具共同构建了多回路的网络控制系统。仿真实验结果表明:最早截止期优先动态调度算法可以在不确定的网络环境下使各回路控制器性能达到最优。     

一种圆形感兴趣区域图像压缩算法

研究了圆形感兴趣区域, 推导了相应的掩码计算公式, 将多级树集合分裂算法 (Set partitioning in hierarchical trees, SPIHT) 加以改进, 得到适用于圆形感兴趣区域的图像压缩算法. 实验结果表明, 本文提出的圆形感兴趣区域掩码计算公式简单实用, 改进后的压缩算法效果明显.     

四象限变频器在淮安抽水三站运行中的效果分析

淮安抽水三站在加固改造中增加了四象限高压变频器,本文针对变频器设备优势,及变频器在淮安三站抽水、发电两种工况下的运行效果进行了对比分析,用实际运行数据说明了变频器在提高机组运行效率方面发挥的作用。     

水平连铸-冷轧-退火工艺制备的Cu-Fe-P合金薄带特性

以水平连铸卷坯-冷轧-退火新工艺制备Cu-0.1Fe-0.03P合金成品薄带,采用拉伸力学性能测试、金相、织构分析和电子显微分析方法研究成品薄带的显微组织结构特征.结果表明,与传统的热轧-冷轧-退火工艺制备的薄带性能相比,水平连铸卷坯-冷轧-退火新工艺没订经过热轧,连铸坯中的缩孔、疏松没有在冷轧过程中实现完全的冶金复合时,产品表面会出现麻点和起皮现象.极图和ODF织构分析表明,水平连铸卷坯-冷轧-退火新工艺制备的Cu-0.1Fe-0.03P合金薄带以{110}<112>黄铜织构为主,此外还有较弱的{110}<100>高斯织构、{123}<634>S织构以及{001}<100>立方织构.晶体学织构是薄带出现力学平面各向异性的主要原因.新工艺制备的合金薄带的抗拉强度、电导率和软化温度稍低而伸长率稍高.     

01570铝合金热变形行为的实验研究

采用Gleeble-1500热模拟机对圆柱试样进行恒温和恒速压缩变形实验，研究了01570铝合金在变形温度为360-480℃、应变速率为0．001～1s^-1条件下的流变变形行为。结果表明：应变速率和变形温度对合金流变应力的大小有显著影响，流变应力随温度升高而降低，随应变速率的提高而增大，达到峰值后趋于平稳，表现出动态回复的特征。可用包含Arrhenius项的Zener-Hollomon参数描述01570铝合金高温塑性变形时的流变行为。     

Al-Mg-Sc合金热塑性和热轧工艺

采用高温瞬时拉伸试验和电子显微镜研究Al-Mg-Sc合金在高温下的塑性变形特征。结果表明,随试验温度升高,合金高温瞬时拉伸强度下降,而塑性增加,350-400℃实验温度下合金的变形抗力相对较低,热塑性较好。大生产条件下的热加工工艺验证试验也表明,350-470℃实验温度范围内铸锭热加工温度越高,轧制开裂的几率越大,Al-Mg-Sc合金适宜的热轧温度为350-420℃。另外,大生产条件下还应严格控制热加工道次和道次变形量,开始轧制时道次压下量和轧制速度不宜过大,轧制变形量超过25%后,应逐渐加大道次压下量和提高轧制速度,使变形深透到整个轧件厚度。     

退火温度对Al-6Mg-Sc-Zr合金组织与性能的影响

采用半连续铸锭冶金法制备一种成分为Al-6Mg-0.4（Sc＋Zr）的合金,冷轧板材经不同温度稳定化退火处理1 h,然后测试合金的拉伸力学性能,借助光学金相、扫描电镜、能谱仪以及透射电镜分析研究不同退火温度下Al-6Mg-0.4（Sc＋Zr）合金的显微组织结构变化及微区成分。结果表明：合金抗拉强度和屈服强度随退火温度的升高而降低,而其伸长率随退火温度的升高而增大;合金在退火过程中,随退火温度的升高,依次发生不同程度的回复和部分再结晶;300℃以下退火1 h,合金中只发生不同程度的回复;350-500℃退火1 h,发生部分再结晶;合金在300℃退火处理1 h后拉伸力学性能为：σb 423 MPa,σ0.2 311 MPa,δ20.8%。     

有关高速公路机电设备维护与管理探索

随着我国高速公路信息化的蓬勃发展,高速公路机电设备维护与管理工作占据着越来越重要的作用。本文在阐述高速公路机电系统设备组成的基础上,分析了机电设备的维护和管理工作,提出了完善高速公路机电设备维护与管理工作的对策和建议。     

一种基于遗传算法的BP网络改进方法

为克服和改进传统的BP算法的不足，发挥神经网络和遗传算法各自的优势，提出一种新的基于遗传算法的改进的BP网络训练方法。在美国手写体数字标准数据集MNIST库的实验结果表明，该方法提高了识别率，增加了网络的泛化能力，并且极大地节省了存储空间，缩短了学习时间。     

基于最近邻规则的神经网络训练样本选择方法

训练集中通常含有大量相似的样本, 会增加网络的训练时间并影响学习效果. 针对这一问题, 本文将最近邻法 (Nearest neighbor, NN) 简单快捷和神经网络高精度的特点相结合, 提出了一种基于最近邻规则的神经网络训练样本选择方法. 该方法考虑到训练样本对于神经网络性能的重要影响, 利用改进的最近邻规则选择最具有代表性的样本作为 神经网络的训练集. 实验结果表明, 所提出的方法能够有效去除训练集中的冗余信息, 以少量的样本获得更高的识别率, 减少网络的训练时间, 增强网络的泛化能力.