巨型水轮机蜗壳不同埋设方式的结构非线性分析

巨型水轮机蜗壳埋设方式的选择对机组安全运行有重要影响。基于MARC软件对向家坝水电站地下厂房蜗壳结构的不同埋设方式进行三维非线性有限元分析,比较了不同埋设方式下混凝土的裂缝分布、钢材应力、结构位移。结果表明,直埋垫层组合埋设方式具有明显优势,既能充分发挥混凝土的联合承载作用,又能满足结构强度、刚度、限裂、上抬位移等控制标准,是适应于该电站巨型蜗壳的最优埋设方式。      

跨语言信息检索中双语词典的建立和翻译方法

针对跨语言信息检索中常用的提问式翻译中存在的问题,提出了基于最大熵模型建立的中-英,英-中双语词典方法,并对常用的双向翻译方法进行改进以获得较高的检索准确率,实验结果验证了该方法的有效性。     

一种基于数据挖掘的模糊建模方法

为提高非线性系统模糊建模的速度和精确度,提出一种快速有效的基于数据挖掘的非线性系统模糊建模方法.该方法先采用改进的减法聚类结合模糊C-均值聚类进行结构辨识,在解决初始化问题的同时减少计算量,进而提高建模速度;然后利用带动态遗忘因子的递推最小二乘法进行后件参数辨识,减小动态误差,提高建模精度.将提出的方法应用于Box-J...     

一类线性网络控制系统鲁棒L1控制

研究一类网络控制系统(NCS)的L1控制问题.针对一类具有时延和丢包的网络控制系统,将其建模为线性时变时延系统,利用Lyapunov稳定性理论和线性矩阵不等式方法建立具有鲁棒L1性能约束的状态反馈控制器.首先给出闭环系统渐近稳定且具有峰—峰值性能约束的充分条件,然后给出网络控制系统状态反馈控制器L1控制率的设计方法,最...     

基于种群分级遗传算法的受限广义预测控制

存在约束的控制过程限制了传统GPC方法在工业领域中的广泛应用.本文利用遗传算法来解决受限GPC算法的优化问题.当控制作用突破受限条件时,启用遗传算法来处理带约束的非线性优化问题,并以此作为滚动优化策略,求得最优控制律.遗传算法采用种群分级制度,充分利用所获信息对高级种群进行初始化,大大提高了算法的局部搜索能力.同时低级...     

基于ASP技术的教学检查数据统计管理系统

应用Active Server pages技术和SQL Server数据库技术来设计与开发教学检查数据统计管理系统,具有统计情况的管理。包括更新统计情况的项目:更新管理员数据库和录入员的数据库;数据管理,包括统计数据录入模块、数据统计分析模块等各个功能模块的实现;系统的安全性设计,包括管理员信息数据库和检查情况数据库的保护,检查过程控制等重要功能,实现了真正的信息化管理。     

非理想硬件条件下协作NOMA系统安全中断性能研究

实际收发设备的非理想硬件(RHI,Residual Hardware Impairment)特性会对协作非正交多址接入(NOMA,Non?Orthogonal Multiple Access)系统性能产生重要影响.因此,本文提出了基于RHI的下行链路单窃听多中继协作NOMA系统模型,推导了联合考虑合法链路和窃听链路使目标信噪比最大化(M?LaE?SNR,Maximized SNR for Legiti-mate and Eavesdropping link)中继传输方案下的安全中断概率闭合表达式和渐近表达式.分析和仿真结果表明,所提M?LaE?SNR方案相比其他方案可有效提高用户的安全中断性能,且中继数越多所提方案性能优势越明显;同时RHI使得系统安全传输性能降低,且RHI对性能的影响程度主要与主链路信噪比以及协作中继个数有关;且不同节点处的RHI对系统安全性能造成的影响程度不同.研究结果还证明了用户的安全分集阶数等于中继数量K.     

论传统电气闭锁防误与现代微机防误共同运行的必要性

本文通过自己多年在变电运行岗位上的工作经验并结合实际,对已运行变电站的防误闭锁由于技术革新改造为微机防误闭锁装置,微机防误是否可以完全取代原有的二次操作回路电气防误闭锁?新建变电站在配置了微机五防系统后,是否可考虑不设计电气回路闭锁?针对这些问题,本文从安全管理、微机五防技术与传统电气防误装置功能比较以及实际运行中存在的问题等几个方面,展开讨论,并由此提出变电站防误较为可行的解决方案.     

数字式电压表,电流表半自动检定系统

介绍利用国产标准计量器具及ＧＷＢＡＳＩＣ语言研制开发的数字式电压表，电流表半自动计量检定系统。     

基于高斯差分特征网络的显著目标检测

中心-邻域对比度理论作为具有生理学依据的一种线索,在传统显著性检测模型中获得了广泛应用,然而该理论却很少显式地应用在基于深度卷积神经网络（CNN）的模型中。为了将经典的中心-邻域对比度理论引入深度卷积网络中,提出了一种基于高斯差分（DoG）特征网络的显著目标检测模型。首先通过在多个尺度的深度特征上构造高斯差分金字塔（DGP）结构以感知图像中显著目标的局部突出特性,进而用所得到的差分特征对语义信息丰富的深度特征进行加权选择,最终实现对显著目标的准确提取。进一步地,在提出的网络设计中采用标准的一维卷积来实现高斯平滑过程,从而在降低计算复杂度的同时实现了网络端到端的训练。通过把所提模型与六种显著目标检测算法在四个公用数据集上的实验结果进行对比,可知所提模型取得的结果在平均绝对误差（MAE）和最大F度量值的定量评价中均取得了最优表现,尤其是在DUTS-TE数据集上所提模型取得的结果的最大F度量值和平均绝对误差分别达到了0.885和0.039。实验结果表明,所提模型在复杂自然场景中对于显著目标具有良好的检测性能。