基于VVeb2.0数字环境的本土服装品牌发展策略研究

数字化虚拟经营正成为数字化知识经济时代下创意型本土服装品牌萌芽、发展的主要手段.首先通过对本土服装品牌数字化进程的阶段性划分、归纳以及Web2.0数字化环境的综合分析,总结出本土服装品牌存在的问题;通过分析问题成因及借鉴案例,探讨应对数字化环境的策略,并设计了一套针对性较强的品牌营销方案,以期能够帮助解决一些实际问题.     

安全套生产线计算机群控与制造执行系统的研制

针对多条安全套生产线自动控制的要求,采用分布式结构设计了安全套生产线计算机群控系统,并初步研究了MES的设计问题.介绍了安全套生产的工艺要求、系统的控制方案和硬件、软件的设计.计算机群控系统由一个主节点和多个从节点组成,主节点监督和管理所有从节点, 从节点测量和控制生产过程参数.制造执行系统实现了对生产过程的优化和调度.实际应用表明,整个系统性能稳定可靠,满足了生产要求,获得了良好的经济效益.     

缺陷产品召回物流形成机制与实践策略分析

针对缺陷产品召回成本高、效率低的问题,提出了缺陷产品召回物流理论,即通过召回物流的效率来实现产品召回的社会效益.通过构建社会化召回物流网络,完善物流企业产品召回处理功能,加强召回过程产品信息与物流信息共享等策略,实施召回物流管理.实施召回物流有助于维护消费者权益、降低企业召回成本、实现缺陷产品回收与资源再利用.     

人体数字图像中各组织影像的边缘提取算法研究

针对人体数字医学图像中各组织影像界限不明显、图像总体模糊、单个组织影像不均匀等特点,提出一种能够有效提取影像边缘以区分和观察各组织影像的方法。利用计算机图像处理技术,对组织影像进行灰度处理,进而根据不同组织影像的特征,选定相应的阈值,用算法程序对组织影像边缘进行有效提取,得到一系列效果图,通过观察分析得出实验结果。结果表明,该方法能够有效地提取出人体不同组织影像的边缘,有助于医生的临床诊断与分析。     

陶瓷原料中二氧化硅分析方法的对比与选择

本文综合各种文献 ,对陶瓷原料中SiO2 的各种分析方法的优缺点 ,使用条件 ,应用侧重点进行了比较与评述     

VxWorks下现场总线CAN驱动实现与改进

由于车辆计算机集成制造系统的日益发展和控制系统的渐渐复杂化,要实现通过车内电脑终端对每个设备运行状态进行监视和控制,就需要建立上层信息网络与底层控制网络的纵向集成。集散式控制系统已变得不能满足发展的需求,而现场总线技术为解决这个问题提供了途径。文中介绍了在VxWorks下CAN驱动的实现,并通过实验对数据传输稳定性进行测试,通过采用中断-轮询方式对数据接收进行改进,提高了车辆车内控制数据传输的稳定性。     

Towards evolvable Internet architecture-design constraints and models analysis

There is a general consensus about the success of Internet architecture in academia and industry. However, with the development of diversified application, the existing Internet architecture is facing more and more challenges in scalability, security, mobility and performance. A novel evolvable Internet architecture framework is proposed in this paper to meet the continuous changing application requirements. The basic idea of evolvability is relaxing the constraints that limit the development of the architecture while adhering to the core design principles of the Internet. Three important design constraints used to ensure the construction of the evolvable architecture, including the evolvability constraint, the economic adaptability constraint and the manageability constraint, are comprehensively described. We consider that the evolvable architecture can be developed from the network layer under these design constraints. What＇s more, we believe that the address system is the foundation of the Internet. Therefore, we propose a general address platform which provides a more open and efficient network environment for the research and development of the evolvable architecture.     

基于2D与3D匹配模型的变压器全损耗特征计算

变压器损耗分布和绕组形变、变压器热传递等因素有着密切联系,损耗计算是变压器绕组结构和绝缘配合设计的关键问题.随着变压器等级容量的不断提升,使用传统的经验公式或简单的数值计算方法进行损耗分析往往具有较大的偏差.依据有限元理论构建了一种基于2D与3D模型匹配的变压器损耗混合模型计算方法,在降低计算量的同时兼有计算的准确性.并以一台400 kVA的三相电力变压器为例,得到了变压器损耗分布规律:变压器内部固定夹件的杂散损耗主要分布于夹件的内侧面,并集中于靠近线圈的边缘,在油箱壁侧面、背面和底面损耗分布呈现抛物面形、"驼峰"形和"三峰值"形;高低压绕组损耗分布趋势与电流密度的分布基本吻合,整体绕组和导体内部损耗分布趋近于高压绕组之间的夹缝和绕组两端方向.     

基于全局稀疏梯度与低秩张量正则化的多源多波段图像融合方法

多模图像融合可有效提升多传感器系统的目标信息表征能力.然而,常用的图像融合方法只能融合两个模态传感器的信息.针对上述问题,充分利用多模图像空间与频谱信息的高阶相关性及其内在结构特性,基于图像域的非局部自相似特性,引入复合正则化方法,提出基于全局稀疏梯度与低秩张量正则化的多模图像融合方法,实现高光谱、多光谱和全色图像的同时融合.其中,多模图像的频谱信息使用全局稀疏梯度正则化方法,空间信息使用低秩张量正则化方法.上述复合正则化方法的优点在于可以有效对空间与频谱信息的内在结构特性进行建模,消除图像空间域的阶梯效应,减少伪频谱信息的引入.仿真实验验证了该方法的可行性和有效性.该方法为多传感器融合系统提供理论与技术支撑.     

Neural network-based adaptive decentralized learning control for interconnected systems with input constraints

In this paper, the neural network-based adaptive decentralized learning control is investigated for nonlinear interconnected systems with input constraints. Because the decentralized control of interconnected systems is related to the optimal control of each isolated subsystem, the decentralized control strategy can be established by a series of optimal control policies. A novel policy iteration algorithm is presented to solve the Hamilton–Jacobi–Bellman equation related to the optimal control problem. This algorithm is implemented under the actor-critic structure where both neural networks are simultaneously updated to approximate the optimal control policy and the optimal cost function, respectively. The additional stabilizing term is introduced and an improved weight updating law is derived, which relaxes the requirement of initial admissible control policy. Besides, the input constraints of interconnected systems are taken into account and the Hamilton–Jacobi–Bellman equation is solved in the presence of input constraints. The interconnected system states and the weight approximation errors of two neural networks are proven to be uniformly ultimately bounded by utilizing Lyapunov theory. Finally, the effectiveness of the proposed decentralized learning control method is verified by simulation results.