生箔机的张力控制

对生箔机在铜箔生产过程中的铜箔张力进行动态分析,揭示出转矩、铜箔张力、实时卷绕半径之间的关系.建立锥度张力控制数学模型,提出锥度张力控制策略,并对其积分分离PID控制算法进行仿真,结果证明,该控制策略可以有效地避免积分的积累.     

丹皮酚结构改造研究进展

丹皮酚是传统中药牡丹皮的有效成分,具有广泛的生物活性,如抗菌消炎、镇痛、抗肿瘤和预防心血管系统疾病等.近年来,随着对丹皮酚作用及机制研究的不断拓展和深入,对其结构修饰和改造也开展了大量的工作,合成出一系列的丹皮酚衍生物,对丹皮酚结构改造的研究现状进行了系统的综述.     

基于改进蜂群算法无线传感器感知节点部署优化*

提出了一种基于改进蜂群算法的无线传感器感知节点部署优化方法,以网络覆盖率为目标函数,将传感器感知节点部署问题形式化为组合优化问题,并采用分层机制对基本蜂群算法进行改进。仿真实验结果表明,本方法能够以相对较小的代价完成传感器感知节点部署,并能降低网络能耗,提高网络的整体覆盖率。     

RP/RE技术与比例式设计

RP/RE制造技术与设计美学的有机结合,形成了具有竞争力和规模化的设计业,提高了企业创新设计和产品市场开发的能力.运用RP/RE技术得到实体模型,再以设计美学原则对其进行分析、数据处理、美化形态,促进产品开发、研制和销售.工业产品的形态比例关系,受诸多因素的制约.分析了传统的比例设计方法的缺陷与不足,介绍比例式设计的原理、方法及其具体应用.表明比例式设计具有数理性强,计算方便、简捷,容易掌握的特点.而且能根据功能要求、技术参数和使用对象等因素,迅速找出产品的最佳比例值,有效地解决功能和形式之间的协调关系.     

基于免疫抗体生成算法的电力变压器故障诊断

提出了一种基于人工免疫的抗体生成算法,并将其应用于电力变压器的故障诊断。抗体生成算法仿生生物免疫系统中抗体对抗原的识别与记忆的机理,先对训练样本进行免疫学习和记忆,提取表征样本的有效特征,形成表征样本特征的记忆抗体集,再用最邻近分类法对测试样本进行分类识别。UCI的Iris数据集和电力变压器故障数据的仿真分析结果表明,抗体生成算法能够进行有效的分类,并具有很高的准确率。     

导电涂料的研制

为了获得性能优良的导电涂料 ,采用对比试验和正交试验的方法对导电涂料进行了研究 ,分别对导电涂料的电阻、硬度、耐冲击强度、柔韧性等性能进行了测试 ,经过试验 ,确定了无机导电涂料的最佳配方为 :石墨 10 0g ,铅酸钡 10g ,三氧化二锑 5g ,二氧化钛 35g ,碳化硅 10g ,硅酸盐溶胶 170g。以此配方研制出了一种成本较低、生产工艺简单、具有良好的导电、导热性能的无机导电涂料。     

一种改进的智能卡数据传输安全策略

针对传统智能卡进行数据传输时仅支持单一模式的缺点,提出一种改进的基于模式控制字的数据传输安全策略。此模式控制字支持多种数据传输模式,数据可以采用明文、密文、明文MAC、密文MAC中的任一种方式进行传输,并通过基本文件(包含透明文件、线性文件)的读、写模式控制字,来规定文件进行读、写操作需要满足的传输安全条件。同时,还提出使用禁止添加、或禁止更新这两种写属性来限制基本文件的写入方式。用户可以根据自己的需求,将同一文件的读命令,和写命令采用的传输方式设置成不一样,从而选择不同的数据传输方式,进而提高数据传输的灵活性和安全性。     

多核程序交互理论及应用

多核处理器上共享缓存使用效率,即程序局部性是影响并行程序性能的关键因素之一。提出了以足迹为基础的局部性理论。介绍了缺失率、重用距离和足迹之间的转化关系,并利用足迹可组合性特征建立了并行程序局部性预测模型。     

基于聚类的超声射频图像阴影双线性补偿方法

待识别目标个体若处于图像阴影区域,其轮廓特征就会出现模糊或者失真丢失的情况.传统超声射频图像阴影补偿方法难以提高原图像的清晰度,且阴影补偿后的图像亮度偏低.为此提出基于聚类的超声射频图像阴影双线性补偿方法.采用固定阈值法将图像分成两组,计算两组图像方差的最大值,确定阈值.采用模糊聚类算法将所有辨识对象划分为某一类属性,获取新聚类中心和起初聚类中心之间的距离差,设置对应门限分割条件完成图像分割.利用加权估计位置插值点灰度值计算双线性插值,最后引入RGB色彩空间抑制蓝光分量,将其转换至HIS色彩空间内,完成图像色度、亮度以及饱和度的双线性补偿.实验证明,所提方法补偿后图像阴影区域比原始图像更加清晰,且非阴影区域图像的特征也具有理想的亮度,实验结果证明了所提方法的应用鲁棒性较强.     

基于集成学习的卡车空压系统故障诊断研究

针对故障特诊复杂多样和故障样本类别不平衡,使用传统故障诊断算法对机械设备进行故障预测时预测结果正确率和可靠性偏低的问题,提出一种改进的Stacking集成学习结构,一方面对数据集进行降采样来重构数据集,另一方面使用贝叶斯优化和网格搜索来调节单个机器学习模型参数,最后通过改进的Stacking集成学习框架将训练好的强机器学习模型融合在一起,实现对机械设备故障的预测.在斯堪尼亚卡车空压系统故障数据集上进行实验,获得了比LightGBM、CatBoost等任一单模型更好的效果,较适用于复杂工况下的机械设备的故障诊断,为准确率和可靠性要求高的场景提供一种解决方案,具有较强的应用价值.