增强Web2.0视频网站服务能力的P2P解决方案

高带宽需求是制约Web2.0视频分享网站服务能力的瓶颈,也是网站高成本的主要原因.文中提出了一种利用P2P技术的视频网站建站方案,通过播放用户相互共享数据,可从根本上消除带宽瓶颈,有效降低投资成本.仿真实验表明,当用户缓存并共享5%以上的视频数据,这种方案可以使网站服务能力得到显著提高.     

基于Web的移动外呼系统的设计与实现

基于ASP.NET操作Excel技术,设计实现了能够从Excel文件直接导入数据的基于Web的移动外呼系统,系统能够完成计划外呼号码和呼叫结果从Excel文件直接导入和筛选,并对导入信息进行统计,克服了人工处理方式的重复呼叫,无法准确判断距上次呼叫时间间隔和统计工作复杂的问题.实际应用表明,在年呼叫量达千万的情况下,效率和呼叫成功率都有很大提高.     

Flow shop问题的嵌套分区优化调度方法

介绍了嵌套分区算法(NP)的基本思想, 并用于求解流水作业优化调度问题. 算法用嵌套分区树来描述流水作业调度问题, 对可行域进行系统性分区, 然后集中搜索有优良解的区域. 在每一步迭代中, 算法跟踪最有希望的分区, 并结合启发式算法和邻域搜索来实现分区转移. 仿真实验表明, 该算法比单纯的启发式算法和邻域搜索有较好的寻优能力.     

基于ADS的LFM脉压雷达系统建模与仿真

指出雷达系统基于传统仿真软件建模与仿真时的缺点;阐述了ADS(Advanced Design System)软件在雷达系统仿真中的优势;然后建立一个基于ADS软件平台的雷达系统仿真模型库.当对某种雷达系统仿真时,只需根据要求修改各个模块的参数或更换子模块即可准确迅速地搭建起系统仿真模型,大大缩减了建模所花费的时间和人力物力.以一个线形调频脉冲压缩雷达系统建模的过程为例,对ADS软件在雷达系统仿真中的应用加以介绍,并给出最终仿真结果.     

一种新型高精度温度控制方法

为控制环境温度剧烈变化,对于精密仪器设备对温度精度和系统稳定性要求也随之提高,提出了一种参数自学习比例-周期控温算法,能够自动辨识系统参数和控制参数,并具有自学习能力。当环境温度快速变化时,可以采用相应的控制策略,达到理想的控制效果,适用于控制系统参数未知的场合,同时对环境温度的变化具有较强的自适应能力。仿真结果表明,算法控制精度高、自适应能力强,确实能够满足精密仪器设备对温度的精度和稳定性的要求。     

时间自动机的LTL性质模型检测研究

为了增强模型检测工具的检测能力,拓宽模型检测技术的应用范围,对基于时间自动机的LTL性质模型检测进行了研究,对自动机的状态空间的存储方式和状态空间的展开过程进行了分析,讨论了LTL性质模型检测工具的检测流程和检测算法的实现策略对工具检测性能的影响,针对制约模型工具的检测能力和检测效率的因素,采取了一些相应的优化改进策略.采用了BDD(二叉决策图)共享存储技术和位编码压缩存储,较有效地减小了空间消耗,缓解了模型检测中状态爆炸引起的内存空间不足问题.与DTSpin等著名的模型检测工具进行了实验比较,取得了较好的实验结果.     

基于DSP智能家居控制系统设计

本文以凌阳16位微控制器SPCE061A为核心,配合各种外接监控设备,设计一套智能家居控制系统.采用高性能收发组件完成监控设备信息采集与传送.详细介绍了具有语音识别功能的新一代智能家居控制系统的硬件配置与软件流程,从而在实现系统功能的同时,将低成本、低功耗与友好人机界面有机结合起来.     

考虑数据分类的建筑电能耗集成预测方法

建筑侧各类可再生能源的应用日益普及,建筑电能耗预测在用能供需平衡、电网稳定运行、尖峰需求响应等方面发挥越来越重要作用。尽管诸多数据驱动模型在能耗预测方面获得广泛应用,当前仍缺乏预测精度高、泛化能力强的短期预测模型。针对该问题,提出一种基于建筑物能耗特点并结合数据挖掘技术的分类集成式能耗预测方法。首先,采用递归特征消除法对数据进行特征筛选,并用模糊C均值聚类算法对训练集数据进行聚类,使用K最邻近法对验证集和测试集数据进行归类;选择5种结合智能优化算法的混合数据驱动模型作为子学习器,分别对每类数据做预测,最后使用多元线性回归法进行结果集成。经3个建筑电力用能案例验证,此集成预测模型精度均优于单个子模型,具有适用不同建筑类型和用能尺度的预测潜力。     

Research on wind turbine blade damage based on pre-stressed FBG strain sensors

One of the essential parts of a wind power generator that captures wind energy is the wind turbine blade. The safety of the blades rapidly declines as a wind turbine''s operating period grows. For real-time monitoring, a chip-type pre-stressed fiber Bragg grating (FBG) strain sensor was fabricated. The sensor''s structure was improved using simulation analysis along with optimization. It was discovered through calibration trials that the pre-stressing method expanded the sensor''s range of measurement, guaranteed overall linearity, and prevented the potential hysteresis phenomena during compression. The sensor''s final sensitivity was calculated to be 1.970 pm/με, and its linear fitting coefficient was 0.999. Finally, the sensor was used to monitor the wind turbine blades and the strain change curve of the root of a normally functioning blade is found to be a sine curve, which provides a certain reference value for judging whether the blade is damaged in the future.