浅谈室内设计中的构思建立方法

文章从设计方法学的角度出发,透过对建筑设计构思方法、基本途径的研究,探讨室内设计中构思方法的建立,构思建立下的创新设计。并从使用者的角度出发,总结了室内设计构思阶段应考虑的相关问题。     

基于IOCC的定题Web信息发现机制研究

针对目前Web信息庞杂无序和半结构化特征所带来的信息搜索的难题,提出了一种信息对象特征码(IOCC)方法,将之结合定题信息搜索应用于机构对目标信息的发现和采集,能大大提高信息发现的能力和效率.其次从所采用的关键技术,策略和系统功能模块等方面对基于该方法的定题Web信息发现机制进行了分析和研究,并举例说明该机制是如何最大限度提高Web信息发现能力的.最后比较分析了该机制相对于传统信息搜索引擎的优势并提出了进一步研究的方向.     

基于ARM的煤矿瓦斯涌出量预测系统的设计

介绍了基于ARM920T嵌入式处理器(S3C2440)硬件平台上的瓦斯涌出量预测系统的设计.基于ARM嵌入式设备体积小、反应快、可靠性高等特点,可以有效地对多传感器数据进行融合和即时分析,从而及时地预测瓦斯涌出量的变化.系统采用分源法作为预测算法,讨论了硬件及软件方面的设计.     

光电式断纱检测头性能试验研究

探讨环锭纺纱过程中光电式断纱检测头应用性能。分析了光电式断纱检测原理,并根据管纱卷绕特点,分别对管底和管身两个卷绕阶段的钢丝圈信号进行监测,对比分析了不同卷绕阶段升降动程底部、中部、顶部的检测信号波形特征。结果表明:管底成形阶段中升降动程的顶部,钢丝圈信号检测波形的峰值最低并接近阈值。认为,该位置的波形信号状态是判定检测器性能的一个关键因素,以此位置的信号峰值水平作为检测头的重要评估参数,可对检测头综合应用性能进行正确评估,以获得准确、可靠、性能良好的检测装置。     

基于平坦理论的直流微电网双向DC-DC变换器改进滑模自抗扰控制

针对直流微电网系统中分布式电源功率波动、负载频繁投切以及不确定性扰动造成的母线电压波动问题,以直流微电网储能单元双向DC-DC变换器为研究对象,提出了一种基于平坦理论的改进滑模自抗扰控制策略。该方法采用双闭环控制结构,其中,电流内环采用微分平坦控制,提高系统的动态响应速度。在考虑系统抗扰性能和高频噪声影响的基础上,利用增阶滤波扩张状态观测器对外环模型总扰动进行估计。并根据状态量和扰动量估计信息设计了电压外环改进滑模自抗扰控制器,进一步提升系统的鲁棒性能。最后利用Matlab/Simulink软件进行仿真,验证了所提控制策略的有效性及优越性。     

基于用户查询意图识别的Web搜索优化模型

在对用户查询意图进行分析分类的基础上,提出了一种Web搜索优化模型。该模型通过识别用户查询意图来查询意图特征词和内容主题词的双重约束,再结合用户查询行为获得查询目标,既保证了用户查询意图的准确匹配,又自动过滤和屏蔽了不相关信息。与相关工作对比,其重点在于准确获取用户查询意图,提高用户满意度。实验结果表明,该模型在实现信息搜索准确性和用户对查询结果满意度方面比传统搜索方法有明显改善。     

粉喷桩在海边软基加固中的应用

简介了粉喷桩加固软土地基的原理、施工工艺及在珠海市洪湾水闸重建工程中的应用情况。     

综采工作面智能化关键技术现状与展望

综采工作面智能化是我国煤炭开采的重点发展方向之一。综采工作面环境复杂,设备众多,开采工艺各环节高度耦合,且采煤过程中各设备之间的动作协同性要求较高,这给设备的智能控制带来了巨大挑战。为厘清综采工作面智能化的技术现状,发掘技术难题的解决方法,探讨未来的发展方向,首先从工程应用角度出发,围绕采煤机、液压支架群、供液系统、运输系统等核心设备,综述综采工作面智能化的发展历史和技术现状,介绍了智能化综采工作面现有的系统架构和关键技术,梳理智能化建设过程中的技术难点。其次从控制理论角度出发,重点阐述了采煤机滚筒自适应调高、支架姿态控制、支架自动跟机、工作面直线度调整、设备协调控制等技术难点所面临的科学问题,从系统建模、控制算法及优化决策等方面,介绍了解决上述问题的技术路径和国内外最新的研究成果。最后,根据人工智能研究领域的发展动态,展望了采煤机、液压支架、运输系统的智能化发展方向;结合计算机视觉、三维激光点云技术、大数据分析、多智能体控制与决策等方向的研究成果,探讨了综采工作面在视频目标识别与跟踪、关键设备三维姿态感知、透明工作面地质信息获取与建模、设备故障综合诊断、工作面信息挖掘与智能分析、设备...     

基于小波特征及深度学习的故障电弧检测

由线路绝缘层老化破损、电气接触不良等原因产生的串联故障电弧严重威胁着低压配电系统的电力安全。其电流小、温度高、隐蔽性强等特点更是给检测和识别带来了困难。基于此,提出一种基于小波特征及深度学习的串联故障电弧检测方法。通过搭建串联故障电弧实验平台,采集了典型阻性、阻感性、感性负载下的电流信号,对电流信号进行小波变换构造了训练集和测试集,通过改进的AlexNet模型识别故障电弧并输出检测结果。实验结果表明,采用该方法进行串联故障电弧识别的准确率约为95.58%,比利用AlexNet模型要高出约10.58%。     

基于模糊深度Q网络的放煤智能决策方法

在综放工作面放煤过程中,由于煤尘和降尘水雾对工作人员视线的影响,人工控制放煤存在过放、欠放问题。针对该问题,将液压支架尾梁看作智能体,把放煤过程抽象为马尔可夫最优决策,利用深度Q网络（DQN）对放煤口动作进行决策。然而DQN算法中存在过估计问题,因此提出了一种模糊深度Q网络（FDQN）算法,并应用于放煤智能决策。利用放煤过程中煤层状态的模糊特征构建模糊控制系统,以煤层状态中的煤炭数量和煤矸比例作为模糊控制系统的输入,并将模糊控制系统的输出动作代替DQN算法采用max操作选取目标网络输出Q值的动作,从而提高智能体的在线学习速率和增加放煤动作奖赏值。搭建综放工作面放煤模型,对分别基于DQN算法、双深度Q网络（DDQN）算法、FDQN算法的放煤工艺进行三维数值仿真,结果表明：FDQN算法的收敛速度最快,相对于DQN算法提高了31.6%,增加了智能体的在线学习速率;综合煤矸分界线直线度、尾梁上方余煤和放出体中的矸石数量3个方面,基于FDQN算法的放煤效果最好;基于FDQN算法的采出率最高、含矸率最低,相比基于DQN算法、DDQN算法的采出率分别提高了2.8%,0.7%,含矸率分别降低了2.1%...