基于PLC的主排水监控系统设计

主排水监控系统在煤矿生产过程中起着非常重要的作用,是矿山安全生产必不可少的自动化系统。但目前很多小型煤矿井下排水系统控制方式相对落后,水泵的启停和选择均由现场工人完成,严重影响煤矿的管理水平和经济效益。针对上述情况,设计了一套主排水监控系统,运用西门子S7-300 PLC实现对排水系统自动化控制,解决了现场人工操作水泵系统的问题,提高了煤矿排水系统的自动化水平,达到了减员增效、降本增效的目的。     

超长距离传输系统技术优势及市场应用

随着Inlernet和其他新型数据业务的迅速发展．传输网络承载的业务种类和业务流量发生了巨大的变化。一方面．传输网络承载的业务重心逐步从传统的语音业务转向以数据，图像．多媒体、IP为代表的高速数据业务。以中国电信为例，国际数据带宽是语音带宽的66倍．省际网络数据带宽已经是语音带宽的10倍．另一方面，整个传输网络中的业务流量持续呈指数增长。     

基于互联网技术的毕业设计管理平台构建

采用典型的B／S结构,以动态页面技术结合SQLSERVER数据库技术（关系数据库管理系统）开发设计了学生毕业设计管理平台。实践证明该管理平台操作简单,界面清晰,可实现教师与学生双方互动的需求,并具信息量大、性能稳定的优点。     

解析烽火通信光传送网规划系统

1 引言 光传送网经历了从链型到环型再到Mesh的变化.这种组网方式的变化,对光传送网的规划提出了新的要求.尤其是随着ASON技术的逐渐应用,经常会遇到环网和Mesh网混合的复杂结构、客户有区分级别的业务要求、网络业务量成倍增长的情况,这使得采用传统人工方式进行网络拓扑和业务规划已经力不从心,因此部分厂商开始着眼于光传送网规划软件的开发.     

平稳过程突变的在线检测与辨识

将稳健－容错辨识与突变检测技术相结合,在合理给出模型参数容错辨识算法的基础上,构造了一组实用、可靠的平稳过程脉冲型故障在线检测与幅度辨识算法;通过过程输出信息差分处理,合理地建立了阶跃型与脉冲型突变之间的转换关系,架起了利用脉冲型的故障检测与辨识方法处理阶跃型突变问题的桥梁;通过仿真计算,证实了检测与辨识算法的有效性。     

基于代数网络和混沌参数的碰摩声发射源定位方法研究

针对时差定位法受不同模式波速度差异及波形传播畸变等因素影响的问题,将神经网络技术应用到声发射源定位中.为了克服传统BP算法训练时间长和精度不够高的缺点,提出代数神经网络概念,在网络训练阶段引入代数算法.将复杂的非线性优化问题转化为简单的代数方程组求解问题,直接获得最优点,大大缩短了网络的学习时间.同时作为定位特征研究分析了转子碰摩声发射信号的非线性动力学特性,提出了关联维数、最大Lyapunov指数和Kolmogoroy熵等声发射源的非线性动力学新特征,并将其作为神经网络的输入定位特征.实验结果表明,利用这些声发射源的非线性动力学特征和神经网络结合能较好地解决了碰摩声发射源定位问题,为转子碰摩故障诊断提供依据,具有良好的应用前景和进一步研究的价值.     

基于概率神经网络和KS检验的机械状态监测

机械状态监测中经常需要用非线性分类器对机械状态进行分类.概率神经网络是一种典型的非线性分类器.它与传统BP神经网络分类器相比,具有训练速度快,分类准确性高、稳定性好等优点.但是,概率神经网络分类器和其它神经网络分类器一样,存在分类准确性完全依赖现有训练样本的缺陷.当现有训练样本数量不足或机械设备出现了新的状态时,神经网络分类器就不能进行正确分类了,从而造成误报.因此,需要对神经网络分类器的分类结果进行检验.KS检验是一种非参数统计方法,它通过描述两个统计样本的相似性,可以有效的对分类结果进行检验,及时发现概率神经网络的错误,减少误报.     

小学数学教学中如何实施创新教育

创新教育要求培养学生的创新精神、创新意识和创新能力。创新的基础是教育，而小学数学教育是创新教育的重要一环。从发展的眼光看，只有创新才能进步，有创新才能发展，有创新才能有实力，有创新才能腾飞。所以教育，尤其小学数学教育，应实施创新教育。     

井巷快速掘进应用光面爆破的初步研究与试验(中)

三、井巷快速光爆的几种平行孔掏槽法 如前所述,所谓快速光爆即在井巷掘进中,既可获得光整的轮廓面(巷壁平整、围岩稳定、遗有孔痕),而又有助于加快掘进速度(快速高效)的这样一种光面爆破技术。实现既“光”又“快”的重要措施包括:合理布置钻孔,正确选择参数,增加钻爆深度,改进钻孔技术,改善装药结构,提高起爆技术,以及改进掏槽方法等等。但实践表明,有关周边孔钻爆技术和工艺的改进,是保证巷壁光整的关键,而采用行之有效的掏     

光照区域对近红外光谱在线检测柚子糖度的影响

[目的]提高近红外光谱技术在线检测柚子糖度的精度。[方法]采用自主研发的柚子在线无损检测设备采集3种光照区域的柚子的漫透射光谱数据,在650～950 nm的波长范围内采用标准正交变量变换（SNV）、多元散射校正（MSC）、归一化（normalize）、SG一阶求导（savitzky-golay first order derivative,SG-1st）对原始数据进行预处理,使用自适应性加权算法（CARS）筛选反映柚子糖度的光谱特征,建立了偏最小二乘回归（PLSR）模型。使用未参与到建模的30个柚子样本进行在线验证。[结果]光照区域C结合SNV-CARS-PLSR方法的建模效果最优。其预测集的决定系数为0.95,均方根误差为0.30 °Brix。在线验证时决定系数为0.90,均方根误差为0.58 °Brix。模型对于柚子糖度具有较强的在线检测能力。[结论]在光斑直径为70 mm且位于柚子赤道上方20 mm的光照区域C的条件下采集的柚子光谱数据所建立的预测模型能更有效地实现柚子糖度的在线预测。