短期负荷预测Volterra滤波器模型

讨论依据相空间邻近轨道演化相似性的特点构造训练模式,建立短期负荷预测Ｖｏｌｔｅｒｒａ滤波器模型的问题．以距离相似度和趋势相似度来衡量电力负荷吸引子轨道的相似度,提出了电力负荷吸引子邻近轨道判别的新方法．从模型训练充分性的角度出发,探讨了模型训练集规模的选择依据．仿真结果表明该模型是有效的．     

基于SVM和Kalman预测的非线性系统故障预报

针对Kalman预测在非线性系统故障预报中预测误差较大的问题.提出一种基于支持向量机预测新息的Kalman预测方法.根据未知非线性系统的典型变量分析子空间模型进行Kalman预测.采用支持向量机时间序列预测算法预测未来时刻的新息,利用新息进行Kalman单步和多步预报.在连续搅拌反应器上的仿真研究表明:所提出方法能准确地预测较长时间段内故障过程的劣化趋势,预知可能发生的故障,使操作人员有时间采取必要措施消除故障隐患.     

代理型应用层组播体系结构研究

组通信技术是未来互联网应用的关键支撑技术.目前,应用层组播是组通信技术研究中的热点,而代理型应用层组播体系结构已成为组播体系结构研究的重要方向之一.首先概述和比较了IP组播、主机型应用层组播和代理型应用层组播3种组播体系结构,接着重点研究和分析了代理型应用层组播体系结构的研究现状.以此为基础,进一步总结了代理型应用层组播体系结构设计中需要考虑的基本问题,并针对现有体系结构的不足,探讨了设计新的代理型应用层组播体系结构中值得关注的问题.最后对未来工作进行了展望.     

基于MPI的FDTD并行算法及其优化策略

由高性能PC机通过网络互联构成的集群(COW)并行计算系统上应用基于消息传递(Message Passing)的方式实现FDTD的并行算法,获得了足够的加速比,有效地解决了传统的FDTD方法计算电大尺寸目标电磁散射问题时的不足.通过区域分割,各个子区域在边界处与其相邻的子区域进行场值的数据传递,从而实现了FDTD算法的并行化.利用并行FDTD方法研究了电磁波的介质层的散射,结果表明并行算法和串行计算结果的一致性,并有效提高计算效率.最后还给出了对算法进行通信隐藏的优化方法,进一步提高了并行计算的效率.     

基于事件通知服务的RFID数据处理框架

RFID技术能够实现物理对象的实时标识、定位和监控,为了达到这个目标,必须能够高效地合成RFID基本事件并且有效地发布信息.RFID应用的多样化又需要一个能够通用的RFID数据处理框架.文中提出一个基于事件通知服务的RFID数据处理框架,并设计了一种基于匹配树的RFID复杂事件检测方法应用于该框架.通过对某汽车企业制造过程用例分析,来说明本框架的应用可行性.     

基于PLC的ALFA分油机控制系统研究

采用当今先进的PLC技术,对自动排渣分油机控制系统进行了全面改造,用软件取代凸轮控制器、定时器等硬件设备,降低了系统的控制成本和能源消耗,提高了系统的可靠性,增加了系统防止误报警等功能.     

数控机床操控器人机界面优化设计研究

目的控制器和显示器共同组成数控机床控制面板的整体界面,是机床接受与执行命令的交互平台。从人机交互角度,聚焦于控制器的界面布局进行优化设计。方法基于人机工程学理论的优化流程,采用现场访谈、现场观察等方法,将人机工程学的理论转化为具体考核指标。结论从人机工程学的研究角度出发,结合工业设计、用户体验设计学等内容,从功能区域分区、操纵器色彩设计等方面优化数控机床控制器的界面,提高系统整体效能及使用者满意度,为数控机床系统开发设计提供参考。     

MHSACAE-CNN在噪声下的电机轴承故障诊断

电机的运行情况复杂,实际运行工况下会有大量的噪声,导致其轴承故障诊断精度下降。为了改善这一问题,提出了一种基于多头自注意力机制的一维全卷积自编码网络（One-dimensional Fully Convolutional Autoencoding Network Basedon Multi-head Self-attention,MHSACAE）与卷积神经网络（Convolutional Neural Network,CNN）结合的轴承故障诊断方法。该方法先采用MHSACAE网络进行降噪,再通过CNN进行故障诊断。其中MHSACAE去噪网络采用无监督训练的方式,充分考虑了实际工况和序列数据内在联系,在实现对噪声的滤除效果的同时,最大限度地保留下了原始的故障信息,使得CNN可以实现在噪声情况下对电机轴承故障的高精度诊断。通过与其他轴承故障诊断方法在噪声情况下进行对比,证明提出的方法具有更好的效果。     

新测试方式下非计算机专业程序设计课程教学探讨

原有教学法在学生实际编程能力上机考试方面存在局限,为适应新的测试方式所带来的教学方法与教学理念的变化,本文结合本校实际,对如何激发与保持学生的学习积极性、实现抽象与模型化的跨越、培养学生的计算思维能力、合理组织实验教学进行探讨,并对实验过程进行监督与综合评价。     

基于集成学习的规范化LDA人脸识别

针对人脸识别问题中经常面临的“小样本”问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重。增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%。通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能。