基于对象合成技术的横机花型准备系统

在介绍单面提花织物和双面提花织物特点的基础上,针对目前电脑横机织物以双面提花为主的特点,以提高设计人员设计效率为目的,阐述了一种多文档视图电脑横机花型准备系统的设计思路。采用面向对象编程语言通过对象合成技术实现了该花型系统,不仅提高了双面提花织物的设计效率,而且利于以后的系统维护。最后,通过一个花型实例简要介绍了此花型系统设计过程。     

电子提花横机花型准备系统数据结构的研究

介绍了浙江工程学院横机课题组研究开发的电子提花横机的花型准备系统，分析了控制参数的数据结构与花型织物的设计问题。本花型设计系统设计方法简便，控制参数结构清晰，具有较强的实用性。     

全自动电脑横机花型准备系统研究

对电脑横机花型准备系统设计进行了研究.全自动电脑横机控制系统采用花型准备软件与控制器分离的方法.这一方法的成功应用,使得设计与操作人员对针织专业知识的依赖性几乎为零.该软件具有很好的独立性、可移植性,在操作上更加便利、人性化和自动化.     

电子提花横机花型准备系统数据结构的研究

介绍了浙江工程学院横机课题组研究开发的电子提花横机的花型准备系统,分析了控制参数的数据结构与花型织物的设计问题。本花型设计系统设计方法简便,控制参数结构清晰,具有较强的实用性。     

电脑横机花型准备系统中混沌,分形图纹的生成

讨论了电脑横机花型准备系统中混沌，分形图纹的四种生成方法，给出了图纹编织花板的存储形式，花型准备系统中混沌，分形图纹的引入，大大提高了花型设计的快速性和花色品种的多样性。     

基于ASP技术的服装网络化在线服务网站的设计与实践

采用DreamweaverMX 2004和ASP技术建立了一个界面新颖、操作简单、实用性强、便于管理的服装CAD网络化在线服务综合性网站,可以为缺少资金和专业人才的中小型服装企业提供专业性的服装网络化在线技术服务.介绍了服装网络化在线服务系统的设计思路,着重阐述了系统的数据库设计、ASP的网络数据库访问技术及服装信息数据库的添加功能的实现过程.     

基于Visual LISP的服装CAD放码系统

使用Auto LISP语言在VisualLisp环境下开发了服装CAD的放码系统:选择简单快捷的点位移法和保形算法完成放码量确定,数据存储方式采用了基于Auto LISP的线性关联表现形式,并使用对话框来实现操作互动,使数据读取更加快速,操作更加方便.     

基于DCS仿真系统教学模式的研究

本文论述了利用DCS仿真系统开展电力系统运行与调试等专业课程的实践教学模式,为电力类职业技术院校利用仿真工具开展教学提供了借鉴作用.     

基于MVC模式的Web OA系统设计

介绍了MVC设计模式的概念以及基于MVC Mode12的Struts原理和体系结构，阐述了采用Struts架构进行WebOA系统的设计方法，包括业务实体层（Model）、数据访问层（DAO）、业务逻辑层（BO）、控制层（Action）和Web层的功能和实现方法．     

基于全光模式匹配的光包过滤系统

为了在维护光网络安全的同时,满足当前数据通信大容量、高带宽和低功耗的需求,提出了一种基于全光模式匹配的光包过滤系统,在全光条件下识别并滤除含有指定地址序列的光包。该系统首先通过全光模式匹配模块对光包地址序列与目标序列进行匹配,然后通过匹配结果生成控制信号进而控制光包的通过或滤除。使用VPItransmissionMaker软件进行了仿真验证,结果表明,所提系统可以在100Gbit/s的传输速率下实现对含有指定地址序列光包的过滤功能。     

基于MVC模式的Web OA系统设计

介绍了MVC设计模式的概念以及基于MVC Mode1 2的Struts原理和体系结构,阐述了采用Struts架构进行Web OA系统的设计方法,包括业务实体层(Model)、数据访问层(DAO)、业务逻辑层(BO)、控制层(Action)和Web层的功能和实现方法.     

基于神经网络的ERT系统流型辨识的研究

在两相流测量问题的研究中,流型的准确识别是其他流动参数准确测量的基础,因此,得到比较高的流型辨识率是研究目的.本文在12电极电阻成像的基础上,采用模糊聚类对ERT系统中的测量电压数据进行模糊化,然后以模糊化后的数据作为BP神经网络的输入,在BP神经网络中,对该模糊化后的测量电压数据进行反复学习训练,来实现对两相流四种流型的辨识.通过实验仿真,四种流型的平均识别率达到了89.4%,提高了流型识别的准确率.     

新型电脑横机花型准备系统的设计

针对国内外电脑横机花型准备系统的不足，提出了一套基于面向对象和多图层概念的全新图形编辑系统的实现方案。以灵活的类管理机制实现花型准备系统5个图层的快速绘图；采用简洁、易行的数据结构，实现电脑横机的数控代码的编译；并讨论了此系统的具体设计与实现。     

基于自适应小波神经网络的复杂系统模式识别方法

针对传统神经网络应用于复杂系统建模和辨识中存在的训练效率、精度瓶颈问题,提出了一种自适应小波神经网络方法(adaptive wavelet neural network,AWNN).首先,通过设计自适应层、综合层,使神经网络能根据待处理的系统的样本数据特征自适应工作于最佳工作区间;然后,通过将小波分析方法与对经典的基于误差反向传播算法的神经网络(back propagation neural network,BPNN)、径向基神经网络(radical basis function neural network,RBFNN)结合,保留了上述方法的优点,克服了传统神经网络方法各自的问题;最后,通过对BPNN、RBFNN和AWNN方法进行计算机仿真实验,验证了各算法的可行性、可达性和算法参数特性.实验结果表明:AWNN方法具有更快的收敛速度、更高的精度和更好的鲁棒性.