热轧加热炉DCS故障诊断专家系统的研究

热轧加热炉集散控制系统(DCS)从检测单元到执行机构的各个单元之间存在着错综复杂的关系,其肿大量的是因果关系。本文针对其中的因果关系,结合故障树分析法便于对事件进行分析、易于转化为专家系统中的规则知识、规则推理具有直观性和速度快的优点,从而建立故障树。然后以故障树来获取和分析知识,以产生式规则建立知识库,以规则匹配来进行推理,从而建立起步进式热轧加热炉DCS故障诊断专家系统。此方案充分利用了故障树和专家系统在故障诊断中的优势。     

《C语言程序设计》教学实践

C语言程序设计课程是一门公共基础课,也是一门实践性很强的课程。旧有的教学教学方法和手段已不能适应学生的需要,我们在C语言程序设计课程的教学中引入改革措施,提出案例教学、师生互动、合理使用多媒体等一系列的改革措施,得到了较好的效果。     

光纤光栅传感器在结构健康监测中的应用

详细阐述光纤光栅传感器的结构及布拉格光纤光栅传感器的工作原理。重点介绍结构健康监测系统构成、光纤光栅传感器系统的信号处理、安装等方面问题;展望光纤光栅传感器在结构健康监测领域中的前景。     

电压相角测量算法研究及其应用

探讨了递归Fourier算法、过零点同步相角测量算法和过零点异步相角测量算法,分析了3种电压相角测量算法的优缺点,并利用过零点异步相角测量算法设计了一种GPS母线电压相角测量装置,介绍了该装置的结构组成及工作原理。该装置实现了对静态电力系统运行的实时监控和调度,具有较高的工程实用价值。     

网络资源的多层监测方法与实现

设计了针对网络资源不同层次进行监测的实现方法,这些层次包括：网络传输层对象（网络服务器性能、TCP、UDP实现过程）、应用层对象（主要是业务数据库）、表示层对象（页面及相关的脚本行为）、用户（浏览器）以及Web服务（HTTP协议实现过程）。对于不同层次的数据,采用了不同的采集方法,并实现了对不同监测资源的重新组合分析。在分层获取、分析、存储数据基础上进行了统一身份认证、统一展示标准和指标集成展示,从而实现了分布式监测系统的集成。     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

一种低频段小型化带通频率选择表面天线罩设计

具有陡峭截止性能的带通型频率选择表面(Frequency Selective Surface,FSS)在低频段天线设计中有重要应用需求,而传统带通型FSS设计在低频段存在单元尺寸过大和散射栅瓣等问题。为此,提出了一种低频段小型化的带通型FSS天线罩。该结构通过多层非谐振型FSS级联而成,并采用介质加载和FSS单元交叉曲折等小型化设计技术,使其具有S频段二阶带通空间滤波特性,相对带宽达到25%。同时,FSS单元尺寸减小至1/16λ0（λ0为中心工作波长）,天线罩电厚度约为1/20λ0 。基于带通FSS的等效电路模型,给出了详细的FSS单元小型化设计过程,完成了该S频段小型化二阶带通型FSS天线罩实物样件加工和传输特性测试工作,测试结果与全波仿真结果吻合较好。     

一种适用于动态环境的改进RSSI定位方法

定位问题是无线传感器网络研究的关键性问题之一,在一些多径效应明显的环境中由于无法获取准确的路径衰落指数,导致RSSI定位方法的误差较大.在RSSI定位算法的基础上,提出了一种动态路径衰落指数获取算法,该算法利用信标节点间的距离和RSSI值来获取当前环境下信标节点间通信的路径衰落指数,并用它进行距离估算,从而提高了算法对环境的适应性.实验结果表明,在同样的环境下该算法定位精度优于RSSI定位算法.     

一般访问结构上无可信中心的群签名方案

针对矢量空间秘密共享方案和离散对数问题的难解性问题,提出一个一般访问结构上的无可信中心的群签名方案.该方案无需可信的密钥分发中心KDC的参与,将群签名的应用范围推广到一般访问结构上.不仅可以克服现有门限签名方案在实际应用中的局限性,而且避免KDC对参与者的欺骗.在方案的执行过程中,部分签名和群签名都可以得到有效验证.分...     

网页自动分类不确定性问题的贝叶斯网络解法

针对网页自动分类中存在的类边界模糊、语料不均匀等引起的分类不确定性问题,提出了贝叶斯网络自动分类融合模型和融合算法,该模型和算法基于网页上多种信息进行融合,并采用不同的与处理方法分别对多种信息进行处理,将处理后的信息输入到贝叶斯网络融合中心进行融合推理,得到最终的分类结果。同时,为了降低贝叶斯网络推理时间复杂度,提出了改进的贝叶斯网络图推理算法。实验结果表明,改进后的融合模型和融合算法能有效解决网页自动分类中的不确定性问题,并能提高网页自动分类的准确率和查全率。