基于免疫遗传算法的建筑构件创新设计

分析建筑构件的特点,使用免疫遗传算法对建筑构件的设计进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面增加了对称度、均匀度和平滑度的度量,在选择算子构造方面引入了免疫算法抗体的相似度。实验结果表明,该算法能够增强建筑构件设计的创新性。     

省地调一体化PAS的设计和三级调度DTS联网

为解决各级调度机构之间由于模型等信息无法共享所造成的PAS及DTS系统应用水平的制约问题,研究了如何利用模型拼接的成果来建设省地一体化PAS系统及进行三级调度DTS联网,提出了网、省、地三级调度模型拼接方案。在此基础上就省地一体化PAS的实现分别提出了两种基本方案,比较了两者的优缺点,同时提出了一种综合式分析计算方案。在拼接好的模型基础上提出了三级调度DTS联网方案。分析表明:综合式分析计算方案更具工程可行性,三级调度DTS联网方案具有良好的工程适用性。     

电力调度系统信息化的几个问题探讨

对调度信息化建设的几个关键问题进行了分析探讨,提出可以将对调度综合数据平台的相关研究和应用提升到调度系统信息化的研究与建设上来.分析了调度信息化与智能调度的关系,对建设模式加以探讨并给出了建议,对调度信息化与调度自动化的关系进行了定位.对调度系统业务进行了概括与划分,用映射方法划分出了应用功能,得到了应用系统布局,并给出了示例结果.推导分析了调度信息化的数据架构,给出了横向互联的数据流的示例结果.     

绿色防控技术在水稻上的应用研究

水稻是我国主要的粮食作物之一,在水稻种植的过程中,不但要满足国家检测标准,同时也要控制好水稻质量,而利用绿色防控技术可以有效地改善我国在水稻种植中存在的问题。因此,首先阐述了绿色防控技术的重要意义;其次,从物理、生物、化学与农业防控技术方面探讨了这一技术在水稻种植的具体应用;最后,简要分析了其应用在我国的水稻种植中所带来的效果。     

浅谈广播电视的发展前景

广播电视是高科技、新技术行业,是先进的生产力的重要组成部分。广播电视的独特优势取于广播电视技术领先性,广播电视技术进行一系列的改革,其中包括网络化,智能化和数字化改革,我们已进入一个新的发展阶段。     

望远系统视差自动检测技术研究

视差会严重影响望远系统的瞄准和测量精度。传统的检测方法依靠人眼主观判读,只能定性检测。采用自动调焦原理研究了一种基于数字图像处理的视差自动检测方法。建立了调焦量与视差值之间关系的数学模型,通过检测系统的调焦量来得到被测望远系统的视差值。同时设计了用于视差检测的内调焦光学系统,该光学系统具有相对孔径大、成像质量高等特点;选取合适的调焦评价函数对图像进行清晰度的判读,从而找到成像最清晰时的调焦位置,最终通过控制系统实现对视差的自动检测,检测精度优于30″。该方法具有精度高、检测速度快的特点,提高了望远系统的视差检测效率。     

微胶囊阻燃剂处理ABS的阻燃机理

用三聚氰胺-甲醛预聚物对CuO、Al(OH)3、Al2O3进行包覆制得微胶囊阻燃剂。采用热重分析、锥形量热分析研究添加阻燃剂的ABS的热解行为,从热量释放、烟气、CO和CO2排放等参数表征其阻燃性能,并用Kissinger方程计算ABS的动力学参数热解活化能的变化。结果表明,CuO微胶囊处理ABS热解反应活化能升高,阻燃主要在于CuO微胶囊提高了ABS热稳定性;Al(OH)3微胶囊主要通过脱水吸热对抑制发烟量效果明显;Al2O3微胶囊对ABS的热解具有催化成炭作用,使材料的热解活化能大大降低。     

板式扩散焊矩形微通道换热器中S-CO2流动与传热特性的数值模拟

基于加工工艺便捷高效的板式扩散焊矩形微通道换热器,建立了以冷热直通道换热单元为研究对象的数学物理模型,研究了超临界二氧化碳(S-CO₂)在不同边界条件和通道结构下的流动与传热特性。结果表明：随着雷诺数(Re)的增大,冷热直通道内的湍流增强,传热性能得到提升,流动摩擦阻力系数减小;与无格栅时矩形通道相比,格栅水平设置在矩形通道两侧时的扰流效果和传热性能最优,综合传热增强因子(PEC)相对最高,但与半圆形直通道相比其PEC仍有待进一步提高。     

变压器油色谱分析及故障诊断的应用

为了能提前发现电力运行设备的隐患,预防发生事故或设备损坏,通过对设备进行的检测试验,发现问题能够提前进行处理,所以必须做电力系统预防性试验。介绍了通过变压器油样检测试验的色谱分析数据,运用三比值法,掌控变压器劣化趋势,诊断出66 kV变压器内部电弧放电故障,避免了重大设备事故的发生,证实了油色谱分析判断变压器故障的有效性。     

基于多层次特征融合的口腔粘膜性疾病识别方法北大核心CSCD

口腔粘膜性疾病的识别主要依靠医生肉眼观察并进行主观判断,该方法导致疾病识别的准确率低、医生的工作量大。针对以上问题提出一种基于多层次特征融合的口腔粘膜性疾病识别方法。对口腔疾病图像提取深层次特征和浅层次特征共两种,使用EfficientNet模型做深层特征的提取,使用HSV、方向梯度直方图(histogram of oriented gradient,HOG)和灰度共生矩阵(gray-level co-occurrence matrix,GLCM)分别提取口腔疾病的颜色、形状以及纹理的浅层特征,将特征融合后利用随机森林(random forest,RF)算法进行特征选择,选取特征重要性更大的特征,降低特征的维度。最后结合多种机器学习分类器进行分类识别。使用收集到的口腔粘膜疾病数据集进行实验验证,实验结果表明,该方法能达到准确率(accuracy,Acc)92.89%、灵敏度(sensitivity,Sen)89.91%、特异性(specificity,Spe)96.06%以及AUC(area under the curve)98.09%,有效地解决识别中误判多、准确率低等问题。