Ward等值法必要性实例分析

Ward等值处理是电力系统分析的重要方法。然而,相当部分初学者很难体会到其必要性。以方法理论分析为基础,结合实例分析,结果表明该等值法可简化分析,且易于与计算机程序相结合。     

基于B/S体系结构的油田固井信息系统设计开发

讨论了数据库应用系统的C/S和B/S这两种实现模型的特点及Web数据库的应用技术,基于B/S体系结构的数据库应用系统能够很好地解决在油田建立信息系统面临的地理位置分散、访问便捷及限定访问权限等问题,还具有界面统一、软件开发维护简单及操作简洁等优点。然后着重介绍了油田固井信息系统的系统设计和数据库设计。最后应用ASP技术实现了一个油田固井信息系统。     

Ward等值法必要性实例分析

Ward等值处理是电力系统分析的重要方法.然而,相当部分初学者很难体会到其必要性.以方法理论分析为基础,结合实例分析,结果表明该等值法可简化分析,且易于与计算机程序相结合.     

一种用于电容式电磁流量计的励磁系统研制

信噪比低与干扰类型复杂一直是阻碍电容式电磁流量计产品化的关键因素.针对交变励磁磁场对流量信号产生微分干扰与同相干扰的问题,建立了矩形波励磁系统的等效电路并分析了励磁电流的动态特性,结合分析结果与常见励磁电路在电路结构与功耗方面的优劣特点,提出通过缩短励磁电流过渡过程提高流量信号信噪比的方法.为了实现该方法,研制了基于电流模式PWM全桥逆变器的励磁系统,并结合流量计标定装置与流量信号检测系统进行实验验证,实验结果表明该励磁系统可为传感器的磁路提供更高的励磁参数,能在增大流量感应电压信号的同时有效抑制微分干扰与流动噪声.另外,该励磁系统为电容式电磁流量计的传感器与转换器中流量信号检出部分的研究奠定了基础.     

也谈预防混凝土早期失水收缩裂缝

看了《建筑工人》2006年第6期“百年大计”栏目中刊登的《混凝土早期失水收缩的预防》一文,感到早期淋水养护是一种可以预防混凝土收缩裂缝的方法,但实施起来却有它的局限性。正如作者所述,此法应用存在三个注意事项:(1)若楼层较高,     

一种压阻式压力传感器的温度补偿方法

针对压阻式压力传感器的温度补偿问题,提出一种将样条插值与最小二乘拟合相结合的补偿算法,并结合传感器标定实验数据进行仿真试验。结果表明该方法相比曲面拟合方法、BP神经网络和RBF神经网络,补偿最大相对误差和平均补偿时间分别为0.103%和0.135 4 s,不仅能够满足高精度测试要求,而且可减少标定工作量达到提升生产效率的目的。     

ARM7TDMI-S在嵌入式系统中的Bootloader代码设计

ARM7TDMI-S是ARM公司设计的一款32位精简指令集处理器内核,LPC210x系列是飞利浦半导体公司生产的基于ARM7TDMI-S内核的芯片。在嵌入式系统设计中,针对嵌入式处理器和操作系统的Bootloader代码的设计是一个难点。本文根据用LPC2106进行嵌入式系统设计的实际经验,总结出基于ARM7TDMI-S内核的嵌入式处理器芯片的Bootloader代码设计的一般流程;给出LPC2106芯片在基于μC/OS-II操作系统的嵌入式应用中,BootLoader程序的详细设计流程及其中的一些关键技术和代码。     

基于FPGA的温度数据实时采集系统

运用传感器技术,实时地对一定环境中的温度数据进行采集,并通过FPGA进行实时处理并显示。系统采用模块化设计,通过固化在模块内部的程序,自动对外界温度进行采集和控制,并通过数码管实时显示。经测试,系统运行稳定,维护简便,参数误差为0．2％,非常适用于多路及多点温度实时采集。     

Hybrid grey model to forecast monitoring series with seasonality

The grey forecasting model has been successfully applied to many fields. However, the precision of GM（1,1） model is not high. In order to remove the seasonal fluctuations in monitoring series before building GM （1,1） model, the forecasting series of GM（1,1） was built, and an inverse process was used to resume the seasonal fluctuations. Two deseasonalization methods were presented , i. e. , seasonal index-based deseasonalization and standard normal distribution-based deseasonalization. They were combined with the GM（1,1） model to form hybrid grey models. A simple but practical method to further improve the forecasting results was also suggested. For comparison, a conventional periodic function model was investigated. The concept and algorithms were tested with four years monthly monitoring data. The results show that on the whole the seasonal index-GM（1,1） model outperform the conventional periodic function model and the conventional periodic function model outperform the SND-GM（1,1） model. The mean absolute error and mean square error of seasonal index-GM（1,1） are 30.69 % and 54.53 % smaller than that of conventional periodic function model, respectively. The high accuracy, straightforward and easy implementation natures of the proposed hybrid seasonal index-grey model make it a powerful analysis technique for seasonal monitoring series.