实验室客服中心样品库管理的优化方案

客户所送的样品在实验室要经过接受、识别、流转、在库及保护等环节,如何在保护好样品的前提下充分利用空间、科学放置、加强识别。本文就细化样品库位,对实验室客服中心样品库进行优化管理,实现样品库的超市式管理模式进行探讨。     

绿色设计在包装设计中的重要性

在现代商品包装设计中融入绿色设计理念,能体现出设计师在包装设计以及制造中的环保意识。这就需要设计师加强对产品外包装形状、色彩图文以及材料等方面的重视,合理运用包装材料、结构以及相关的印刷工艺,使产品外包装实现美观、实用、经济且合理的包装设计目标。本研究就对在包装设计中绿色设计的重要性进行探讨分析。     

虚拟仪器技术在流体参数测试中的应用

分析了目前流体参数测试中存在的弊端及其发展方向。介绍了虚拟仪器及其软件开发平台Labview的概念、特点，提出了虚拟仪器技术在流体参数测量中的应用方法。     

基于LSTM循环神经网络的汽轮机转子表面应力预测模型

汽轮机转子启动过程中的寿命管理与评估问题非常关注转子表面应力,而应用有限元计算应力时间代价较大,循环神经网络(recurrent neural network,RNN)可快速准确地计算预测汽轮机启动过程中转子表面应力,大大提高在线评估效率。然而传统RNN神经网络存在梯度消失或爆炸以及无法解决长时依赖的问题,影响其实际应用。针对该问题,建立了基于长短期记忆(longshort-termmemory,LSTM)循环神经网络的汽轮机转子表面应力预测模型。在超参数的多组实验中,发现时间步长为3、dropout比例为0.2、隐藏层单元数为6时预测精度达到最佳,验证了预测模型的合理性。通过预测模型与有限元计算模型的耗时对比,发现预测模型耗时大大缩短,验证了预测模型的高效性。对预测模型的普适性分析表明:预测模型可拓展应用于类似时序序列问题的预测中。     

密封动力特性系数试验识别方法及影响因素分析

引入转子动力学双平面平衡理论,将多级密封内的分布气流力等效到气缸两个端面上,建立多级密封动力特性系数识别模型.该模型考虑气缸平动和偏摆混合运动情况,并通过共振的方法放大气流力影响,从而提高识别精度.构建密封动力特性试验台,研究进出口压比、转速、偏心、间隙等因素对密封动力特性系数的影响.试验结果表明,8个刚度阻尼系数随着进出口压比增大有明显增大,且垂直和水平方向存在耦合效应.随转速增大,交叉耦合刚度系数和直接阻尼系数随转速变大趋势明显,而直接刚度系数和交叉阻尼系数变化不很明显.偏心状态下的交叉耦合刚度系数比同心状态下变大,而直接阻尼系数则减小,说明转子在偏心状态下比同心状态下更容易失稳.随密封平均间隙变小,8个动力特性系数绝对值增大.     

粘度测量直流电机调速系统自适应控制器的建模与仿真

基于旋转法的液体粘度测量需要不同等级稳定的电机旋转速度。采用电流转速双闭环来实现对直流电机调速系统的控制。电流内环使用PI控制,转速外环采用大增益比例控制结合PID控制,PID参数使用模糊逻辑进行自整定,这种控制方式可根据输入偏差大小选择不同控制策略实现转速的自适应快速调节与准确跟踪。在Matlab/Simulink平台上搭建基于这种控制器的仿真模型,对直流电机调速系统进行仿真。仿真结果表明这种系统具有良好的控制性能,这种自适应控制器具有良好的动态响应特性,可以消除稳态误差。     

小规模电网安全稳定实时控制系统研制与应用

分析了稳定控制系统策略的三种实现方式的优缺点,提出了在小规模电网开展在线实时稳定控制系统研究应用的需求。介绍了基于超实时仿真算法的在线实时稳定控制系统的实现方案,包括硬件结构、软件结构和关键技术指标。阐述了系统涉及的关键技术问题,包括超实时仿真算法、稳控决策、高速实时通信方案以及多种决策方式的协调方案。该系统在独立局域电网和企业自备电网的应用,验证了其工程实用性。最后,展望了在大规模电网推广在线实时稳定控制系统的研究方向。     

一种保持弯曲边缘和复杂纹理的各向异性模型

各向异性扩散,抑制边缘,平滑内部.但现有扩散方法不能沿着弯曲边缘进行,导致弯曲边缘和复杂纹理被模糊.基于P-M各向异性模型,提出一种新的离散方式来克服这个不足.通过考虑一个邻域内梯度的变化规律,来步进移动扩散中心,使扩散能够沿着弯曲边缘进行.通过对不同方向扩散点的累积时间的调节,以得到更好的平滑效果.最后用实验证明了算法的有效性.     

基于JAVA和XML的WORD文档自动生成技术研究与应用

本文主要研究了在JAVA环境下,使用XML技术将EXCEL中存储的数据和在页面中由用户输入的数据动态生动生成Word文档的方案,实现了对固定模板格式的word文档自动生成操作。对比了常用JAVA生成word文档技术的优缺点。并以培训证书生成为例,描述如何使用JAVA和XML技术相结合自动生成具有固定格式的word文档,并给出了关键代码。     

深度确定性策略梯度学习的火星无人机控制

为了降低控制器设计对火星无人机动力学模型的依赖,提高火星无人机控制系统的智能化水平,结合强化学习（reinforcement learning,RL）算法,提出了一种具有自主学习能力的火星无人机位置姿态控制器。该控制器由神经网络构成,利用深度确定性策略梯度（deep deterministic policy gradient,DDPG）算法进行学习,不断优化控制策略,最终获得满足控制要求的策略。仿真结果表明,在没有推导被控对象模型的前提下,基于DDPG算法的控制器通过学习,自主将火星无人机稳定控制到目标位置,且控制精度、调节时间等性能优于比例-积分-微分（proportion integration differentiation,PID）控制器的效果,验证了基于DDPG算法的控制器的有效性;此外,在被控对象模型改变或存在外部扰动的情况下,基于DDPG算法的控制器仍然能够稳定完成任务,控制效果优于PID控制器,表明基于DDPG算法的控制器具有良好的鲁棒性。