建筑电气抗震支吊架设计

根据现行规范,本文论述了抗震支吊架的设置原则,列出了电气母线槽、电缆梯架、托盘桥架、槽盒以及线缆的重量,分析了其重量与截面积的对应关系,进而给出需设置抗震支吊架的母线、桥架和槽盒的规格,为建筑电气专业机电抗震的前期设计提供技术参考。     

综合医院洁净手术部电气设计要点剖析

结合三级医院洁净手术部的设计实践,重点从供电电源、供电方案、配电设计、照明设计、安全接地、电气用房设计等方面,剖析洁净手术部的电气设计要点,为满足医院常态化疫情防控提供技术保障.     

基于改进蚁群算法的加热炉温度控制研究

加热炉温度控制系统具有非线性、时变性、滞后性等缺陷，导致系统控制过程中响应速度慢、抗干扰能力差，传统的控制方法无法对其进行精确控制。将免疫算法引入蚁群算法中，根据免疫算法中的亲和力原理，增加蚁群的多样性，并对蚁群的初始信息素规则进行改进。利用改进的蚁群算法来调节PID神经网络（PIDNN）的权值，提出一种新型PIDNN控制方法，并采用计算机仿真软件对其进行实验。仿真实验结果表明，与传统的PIDNN控制方法相比，当采用改进蚁群算法的PIDNN控制器对加热炉进行控制时，系统达到稳态所需时间缩短了约34%；当加入扰动后，系统恢复到稳态所需时间减少了约26%，振动幅度明显降低，加热炉控制系统的抗干扰能力增强。     

博科力推网络存储

加入WTO后,金融业面临着如市场化、管理等多方面的挑战,通过IT帮助国内的金融业增强竞争优势是多方面的。例如在决策支持方面,随着数据的增长,如何更好的利用和管理数据,并提供决策支持;在关键业务方面,如何快速反应、处理灾难恢复系统等都是目前急需解决的问题。网络存储是目前存储领域的大势所趋,据     

除盐水箱保护涂层的二次脱落分析

介绍了凝结水系统及出现的异常过程,论述了除盐水箱涂层的作用及要求,列举案例对除盐水箱涂层的二次脱落进行了分析。对出现的异常问题进行了处理,以确保设备的健康运行。     

基于强化学习的四旋翼无人机控制律设计

目前四旋翼无人机大部分都采用经典控制方法进行控制律的设计,然而控制参数的选择和对被控对象数学模型的依赖一直是经典控制方法设计中需要克服的问题;针对此问题,采用了一种基于深度强化学习算法Deep Q Network的无人机控制律设计方法,以四旋翼姿态角和姿态角速率作为三层神经网络的输入数据,最终输出动作值函数,再根据贪婪策略进行动作的选取,通过与环境的不断交互,智能体根据奖惩信息来更新神经网络的权值,使得智能体朝着获得累积回报最大值的方向选取动作;仿真结果表明在经过强化学习训练之后,四旋翼姿态角能够快速准确地跟踪上参考指令的变化,证明了基于强化学习的四旋翼无人机控制律的可行性,从而避免了传统控制方法对控制参数的选择与控制模型的依赖。     

基于视觉/惯导的无人机组合导航算法研究

目前视觉惯性组合导航系统多采用优化紧/松耦合以及滤波紧/松耦合算法,应用误差状态卡尔曼滤波能够将较低频率的视觉位姿信息提升到与惯性信息同步的频率;提出一种基于自适应卡尔曼滤波的视觉惯导组合导航算法,首先考虑到系统建模与传感器测量误差,采用自适应渐消卡尔曼滤波进行导航解算,通过实时计算遗忘因子,以调节历史数据的权重,可抑制建模误差,提高组合导航系统性能,然后针对视觉SLAM解算过程造成的视觉位姿信息滞后于惯导信息的问题,提出一种延时补偿方法;仿真实验表明,采用延时补偿的自适应渐消卡尔曼滤波算法能够有效抑制建模误差,并降低视觉位姿信息滞后带来的影响,提高无人机组合导航的解算精度,姿态、速度、位置解算精度分别达到5°、0.5m/s、0.4m以内。     

论高层民用建筑火灾应急照明的控制

根据现行的相关规范,就高层民用建筑火灾应急照明的控制要求进行讨论,对应急照明的控制方式提出几种方案。     

基于改进PSO神经网络的板形板厚解耦控制研究

针对板形板厚综合系统具备强耦合、非线性、大时滞等特性,传统的控制方法无法对其完成精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,同时借助此算法来优化处理PID神经网络(PIDNN),形成新型PIDNN控制器。利用两个PIDNN解耦控制器对板形板厚综合系统进行控制以降低系统耦合影响。通过仿真结果可以看出,在动态性能与静态性能上,此算法较以往PIDNN解耦控制均存在明显优势。可为控制领域中的解耦问题提供一定的参考。     

基于改进蚁群免疫算法的PIDNN加热炉温度控制

针对蚁群算法搜索时间长、易于出现早熟、停滞等问题,引入免疫信息处理机制,该方法通过抗体之间的亲和力反映种群的多样性,同时对蚁群的状态转移规则和信息素更新规则进行改进。针对BP神经网络收敛速度慢的问题,采用改进蚁群免疫算法对PID神经网络控制器的权值进行整定。仿真结果表明,改进蚁群免疫算法在收敛路径长度和收敛速度上均比传统蚁群算法效果更佳,并且与传统PIDNN(PID Neural Network)控制器相比,改进蚁群免疫算法的PID神经网络加热炉控制具有较快的收敛速度和较小的超调量,其暂态性能和稳态性能均得到有效改善。