质量因素对投标的影响

本文旨在研究质量因素对投标的影响.通过双寡头竞争模型,分析得出质量因素严重影响承包商的投标报价,从而影响博弈均衡时的中标结果.这就提示业主在招投标过程中,既要考虑承包商的报价,又要考虑其在中标后可能采取的质量水平.     

多层多跨钢板剪力墙水平极限承载力分析

通过相关文献的钢板剪力墙试验数据验证了使用等效拉杆模型并利用SAP2000有限元软件进行Pushover分析计算多层钢板剪力墙水平极限承载力方法的正确性。利用试验验证的有限元分析方法分别研究了4层单跨钢板剪力墙和4层3跨钢框架-钢板剪力墙双重抗侧力体系在倒三角型分布的水平荷载作用下剪力墙板高厚比的变化对结构水平极限承载力的影响,并与相应纯框架的结构性能进行了比较,建议剪力墙板的高厚比取为250~300,这为钢板剪力墙的设计提供了理论依据。     

基于Petri网的并发事件流程模型修复分析

目前,流程模型可以从大量的事件日志中挖掘出来,以重放大多数的日志.但是,少数偏离流程模型的日志亦是有效的,为了使事件日志与流程模型更加拟合,模型修复是一个很好的方法.提出了基于Petri网的并发事件流程模型修复分析方法.首先,找到事件日志与流程模型的最优对齐,筛选出用于修复的并发事件;其次,利用提出的重构子流程的修复方法,对筛选得到的并发事件进行重构;最后,根据算法嵌入到原始模型中以实现模型修复,并通过一个具体实例说明了该方法的合理有效性.修复后的模型可以完全重放给定的事件日志,并且能够避免因循环造成的多余行为的发生,同时也在最大程度上保留了原始模型的使用价值.     

电力系统配网有功无功协调自动优化系统设计

为解决电力系统配网发电调度不合理与运行安全问题,为此提出电力系统配网有功无功协调自动优化系统.构建优化数学模型及其约束条件.实验结果表明,该系统协调了优化方向上的成本与网损矛盾,实现综合效益最大化,根据充放电功率与电荷状态、有载调压变压器与补偿电容器组的档位自动调整情况,说明该系统具有安全稳定的运行性能.     

基于信道状态特征的手势动作识别技术研究

手势识别作为人和机器之间重要的交互手段,在日常生活中具有广泛的应用场景。基于无线信号特别是WiFi的手势识别由于其无接触、成本低等优点成为当前热门的方式。为解决传统基于无线信号手势识别算法没有充分利用信号相位特征的缺点,本文提出利用WiFi信道状态信息幅值和相位结合的方式进行手势识别。通过子载波降维和动作曲线提取对接收的WiFi信号进行处理,并将信号的幅值和相位结合,利用机器学习算法对数据进行训练和分类,实现了单手向前、单手向后、单手向左、单手向右、单手向上和单手向下六种手势的识别。实验结果显示,本文算法在近距离和远距离下的精确度分别为96%和92%。     

无线可充电传感器网络混合移动充电调度研究

能量约束是无线传感器网络应用的重要限制.无线能量传输技术因为在效率和可靠性方面的突破,已成为无线传感器网络极具潜力的能量补给方案.目前已有的移动无线充电调度方案可分为周期性调度和在线调度方案,虽然各种方案有不同的适用场景,但是难以同时兼顾周期性调度的高充电效率和动态调度的实时性.本文提出一种按需的无线传感器能量补给调度方案,首先每个周期对所有请求充电的全局优化节点充电路径,接着对实时性请求结合动态插入法安排紧急需求节点充电.通过仿真实验比较,本文提出的混合方案相对于周期性调度方案和按需方案在充电效率、移动路径代价和节点饥饿率上具有显著优势.     

面向曳引钢带缺陷检测的径向磁化电磁传感器仿真研究

针对曳引钢带缺陷检测提出了一种径向磁化电磁传感器,实现曳引钢带缺陷的精准检测.基于电磁耦合和高导磁材料的聚磁特性,采用有限元分析方法建立起径向磁化电磁传感器的等效模型,分析了聚磁铁芯宽度和线圈安匝数对径向磁化电磁传感器测量处磁感应强度大小的影响规律.结果表明,宽度为1 mm的聚磁铁芯具有最佳的聚磁效果,测量处磁感应强度随着安匝数增加而增大并趋于饱和;接着,选取曳引钢带断丝和磨损两类典型缺陷,进一步仿真分析了其缺陷程度与测量点处磁感应强度的映射关系,结果表明,测量点处磁感应强度随着缺陷程度增加而减小;最后,对研制的径向磁化电磁传感器进行性能测试,并将其应用于曳引钢带缺陷检测实验中,测量值与仿真值的最大相对误差为7.8％.     

基于样本特征核矩阵的稀疏双线性回归

在许多实际应用中出现了大量的冗余数据,这些数据可能是高维的,这时进行回归预测将会出现过拟合的现象,并且还会出现预测精度偏低等问题.另外,大多数回归方法都是基于向量的,忽略了矩阵数据原始位置之间的关系.为此,文中提出了一种基于样本特征核矩阵的稀疏双线性回归(Kernel Matrix-based Sparse Bilinear Regression,KMSBR)方法.该方法直接将数据矩阵作为输入,其是通过左右回归系数矩阵而建立的,利用样本的特征核矩阵和L2,1范数,能够同时实现对样本及样本特征的选择,且考虑了数据的原始位置,提高了算法的性能.在若干数据集上的实验结果表明,KMSBR能有效地选择相对重要的样本和特征,从而提高算法的运行效率,且其预测精度优于已有的几种回归模型.     

基于信任关系下用户兴趣偏好的协同过滤推荐算法

随着信息的海量增长,推荐系统有效缓解了信息爆炸带来的问题,其中协同过滤作为主流技术之一受到了广泛的关注.针对用户的兴趣偏好研究主要是基于商品标签的有监督数据集进行研究,忽略了无监督数据集,同时,在计算用户的兴趣偏好过程中也未能考虑到信任用户对用户兴趣的影响.为此,文中首先在无监督的项目数据集上采用矩阵分解模型得到项目的潜在特征向量,据此对项目进行聚类以表示项目的类别信息;然后,结合用户的信任关系和用户-项目评分矩阵构造用户的兴趣偏好矩阵;最后,为提高推荐效率,在用户的兴趣偏好矩阵上对用户进行聚类,在每个聚类簇内计算用户之间的相似度,从而实现推荐.在公开数据集上的实验结果表明,该算法能有效改善推荐结果的精确性,提升推荐质量.