手机MMI自动化测试系统的关键技术研究

在分析了实现手机人机界面(MMI)软件自动化测试的原理和技术难点的基础上,通过游程长度编码算法对屏幕数据进行压缩和一些数据比较技巧来解决屏幕数据传输与比较问题;通过一系列容错处理来保证ATS系统在无人参与的情况下自动运行;通过对系统软硬件进行抽象和加入TCL脚本解释器来增强系统的可扩展性和可重用性;最后应用这些技术方案实现了一个实际可用的ATS系统;应用结果表明,该系统能大幅提高手机MMI的测试效率。     

独立学院进行XML教学的问题与对策

本文阐述了XML的基本概念与优势,分析了教学型本科院校开设XML技术课程的必要性与可行性,教学型本科院校教授XML技术课程可能遇见的问题及对策。通过实际的课程设计与教学案例展示了XML理论教学与具体实践相结合的方法,为同类院校相关专业教授XML技术课程提供了参考。     

在信息技术课程中开展过程性评价的探索与实践

过程性评价就是在在学习一评价一学习的过程中,引导学生积极主动地学习,促使学生全方位地良性发展,以学生综合素质为目标,采取灵活多样的评价方法,注重学生学习过程和学习结果的评价。在信息科技课程的评价过程中我们要探索新的评价原则和评价方法,促进学生的发展和信息科技课程的改革。     

异构多子网的以太网物理拓扑发现算法研究

针对异构网络的特点,在分析了网络拓扑发现相关协议的基础上,本文提出了一种依赖SNMP协议、基于异构多子网的以太网物理拓扑发现算法。实验显示,该算法可以准确、高效地进行物理拓扑发现,准确识别链路连接类型,是解决该问题的一种有效方法。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

应用于一体成型电感的羰基铁粉-铁硅铬混合软磁金属粉末

将羰基铁粉末与铁硅铬合金粉末按照不同比例混合后钝化、包覆、压制成磁粉心,测试和分析了其磁环密度、磁导率、直流叠加特性及损耗性能。结果表明,相对于铁硅铬合金粉末,羰基铁粉具有密度高、叠加特性好、损耗低的优点;但是其缺点是磁导率低,仅为铁硅铬合金粉末的85%。两种粉末混合制备的磁环特性并非羰基铁粉与铁硅铬合金粉末的简单叠加,而是存在一定的偏差。随频率升高,铁硅铬合金粉末磁环损耗增幅低于羰基铁粉末磁环,100 kHz/50 mT条件下前者损耗为羰后者的1.22倍,低于50 kHz/50 mT时的1.35倍。     

融合多尺度特征的脑电情感识别研究

基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征,将标准卷积替换为分组卷积,相比二维、三维卷积具有更少的参数量,同时利用通道交互注意力机制优化特征提取过程。在此基础上,与双向GRU(BiGRU)融合组成MPIAResnetBiGRU网络,进一步提取脑电信号的上下文语义信息,实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中,该模型Valence和Arousal维度识别准确率达到97.60%和98.15%,相比单尺度模型提升8.56和8.36个百分点;在小批量训练集实验中,当训练集占比为30%时,测试集准确率依然可以保持在90%以上;在分频带实验中,2个高频带信号识别准确率优于低频带信号,证明了模型的有效性;而在受试者全部参与实验中,该模型的识别准确率也均优于对比方法。     

基于改进深度Q网络算法的多园区综合能源系统能量管理方法

多园区综合能源系统可通过多能互补互济显著提升运行经济性,然而园区之间的复杂互动、多能耦合决策会给多园区综合能源系统的能量管理带来决策空间庞大、算法难以收敛等挑战性问题。为解决上述问题,提出了一种基于改进深度Q网络(modified deep Q network,MDQN)算法的多园区综合能源系统能量管理方法。首先,采用独立于园区的外部气象数据、历史互动功率数据,构建了基于长短期记忆(long short-term memory,LSTM)深度网络的各园区综合能源系统外部互动环境等值模型,降低了强化学习奖励函数的计算复杂度;其次,提出一种基于k优先采样策略的MDQN算法,用k-优先采样策略来代替ε贪心策略,克服了大规模动作空间中探索效率低下的问题;最后,在含3个园区综合能源系统的算例中进行验证,结果表明MDQN算法相比原DQN算法具有更好的收敛性与稳定性,同时可以提升园区经济效益达29.16%。     

自适应加权的多特征融合ECT图像重建算法

为了解决电容层析成像(electrical cpacitance tomography, ECT)图像重建中电容值与介电常数这一非线性病态问题,提出一种自适应加权的多特征融合(adaptive weighted multi-feature fusion, AWMF) ECT图像重建算法,利用网络模型拟合电容张量和介电常数的非线性映射关系。首先,在网络模型中采用密集卷积网络(DenseNet),不仅缓解梯度消失现象,还融合不同通道的特征信息;添加挤压激励网络(squeeze excitation network, SENet)自适应调整特征通道的权重,用以提取不同通道的关键特征,提高重建图像的精度。其次,构建树形聚合结构（tree aggregation structure network, TASN）网络模块,扩大感受野并提取丰富的多尺度特征信息,消除普通卷积所带来的伪影现象。在COMSOL5.3软件上建模仿真后,通过MATLAB2014a对图像进行重建。实验结果表明,重建图像误差系数降低至0.0256,相关系数提高至0.9717,与传统算法和CNN算法相比,具有更高的图像重建质量。     

基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。