基于Ajax的智能RSS聚合系统研究

RSS存在信息过载问题,为了解决该问题,设计了一个基于Ajax的智能聚合系统,使用户可以高效、及时、准确地获取到自己感兴趣的新闻。综合了内容过滤和协作过滤的优缺点,提出了一个改进的过滤算法,提高了过滤性能和准确度。对用户的行为和特征进行建模,系统可以依据用户模型过滤掉用户可能不感兴趣的信息。并将信息过滤技术与RSS聚合技术结合,使用户可以通过RSS聚合系统获取到自己感兴趣的内容,降低信息冗余。     

GA-BP神经网络的非线性函数拟合

由于BP神经网络具有良好的非线性映射能力,但在极值寻优时易陷入局部极值。本文利用具有全局搜索寻优的遗传算法优化BP神经网络(GA-BP),用于非线性函数拟合,弥补了BP网络寻优时的缺点。通过实例比较分析,GA-BP神经网络明显地提高了拟合精度,也使模型具有较强的应用性与推广性。     

可靠性技术在继电器控制中的应用

本文以可靠性技术,针对继电器在使用时主要失效模式触点失效故障进行分析,从触点材料、控制负载、抑制触点电弧,并对触点在常用环境下不合理使用等问题一并进行了较详细的阐述。     

固相条件下研磨屑解毒六价铬机理及动力学规律研究

通过改变铬渣的粒径大小,在固相条件下将含铬废渣中的六价铬解毒后稳定化处置.研究了不同温度、pH、铬渣目数、含水率和初始浓度对研磨屑还原六价铬的反应动力学影响,通过实验验证:在pH=2～5,研磨屑与六价铬反应符合准一级动力学规律.pH为2时,速率常数是pH为3、4的1.63、2.47倍;铬渣粒径对反应体系的影响较为明显,R2大于0.98;目数为150目时,还原反应速率常数分别是目数为10、50目的12.1、4.8倍;在初始pH相同的条件下,体系含水率越高,还原剂研磨屑与含铬废渣粉末混合越均匀,固相反应速率常数越大;不同六价铬初始浓度的反应体系中,在铬粉目数相同的前提下,反应速率随六价铬初始浓度的增大而减小;在pH=3、含水率45％的条件下,反应速率常数随温度的升高而增大;温度为35℃时,反应速率常数分别是20℃、5℃的1.68、5.11倍.通过阿伦尼乌斯公式,建立六价铬固相还原反应体系中,反应速率常数随温度变化的函数关系方程.     

考虑电动汽车停泊概率的配电网接纳电动汽车能力评估方法

针对规模化电动汽车无序充电易导致配电网电压及潮流越限,需要定量评估配电网接纳电动汽车的能力问题,提出考虑电动汽车停泊概率的配电网接纳能力评估方法。首先在充电负荷建模环节增加考虑电动汽车停泊概率的影响,采用二阶段方法确定充电负荷所在节点;其次对基础负荷的季节特性进行建模,以研究由此导致的配电网接纳能力季节差异;建立了考虑静态安全约束的接纳能力评估模型,采用机会约束消除充电负荷预测偏差对评估准确度的影响。最后通过算例验证了所提评估方法的有效性。     

基于协同观测器的永磁同步电机无传感控制

针对传统滑模观测器使用符号函数引起的抖振问题,提出了一种基于连续函数的协同观测器方法,实现永磁同步电机(PMSM)的无传感控制。首先,研究PMSM的离散数学模型。其次,建立k+1时刻的电流偏差和k时刻的电流偏差之间的函数关系。最后,利用反正切函数计算转子位置并加入角度补偿,提高观测精度。仿真结果表明,所设计的协同观测器不仅无抖振现象,还具有更高的估算精度及良好的抗干扰性能,比传统滑模观测器可以更好地实现PMSM的无传感控制。     

咪唑啉缓蚀剂工艺条件优化及效果

在减缓金属腐蚀的研究中,为了缓解在酸性溶液、碱性溶液以及大气、土壤等介质中金属腐蚀较为严重的问题,对咪唑啉类缓蚀剂进行了工艺条件优化.采用静态失重法研究了碳钢在加入了缓蚀剂的盐酸溶液中的缓蚀性能.在最佳合成条件下苯甲酸与二乙烯三胺最佳摩尔比为1∶1.3,催化剂质量分数为1.2%,环化时间为1 h,咪唑啉中间体与氯化苄的最佳摩尔比为1∶1.1,季铵化反应时间为1 h,季铵化反应温度为70 ℃,缓蚀剂的最佳质量分数为1%,最终缓蚀率可以达到99.37%.     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

基于观测器摩擦补偿的机电系统高精度控制

针对机电作动系统在低速阶段摩擦非线性明显且同时存在其他干扰,易导致系统跟踪精度、稳定性下降这一问题,设计基于非线性观测器摩擦补偿的自适应鲁棒控制器. 针对摩擦非线性,利用LuGre摩擦模型描述系统的摩擦现象,提出非线性观测器对模型的内部摩擦状态进行观测. 针对系统摩擦系数、转动惯量及其他不确定性参数,设计参数自适应律进行估计. 利用前馈补偿的方法,对摩擦非线性和参数不确定性进行补偿,设计鲁棒项克服系统的其他扰动. 利用Lyapunov稳定性定理证明了提出的控制器在存在扰动的情况下可以实现系统的有界稳定性. 实验结果表明,提出的控制器具有较高的控制精度与较强的鲁棒性,跟踪精度较传统的PID控制器提高了一个数量级.