太阳能帆板输出功率短期预测研究

在卫星观测中,经常由于各种原因导致短时间内无法提取目标卫星数据,使控制系统无法继续对其保持高精度跟踪和控制。文章主要研究ARIMA模型在卫星遥测数据短期预测中的应用。使用Matlab软件进行ARIMA模型参数计算,再使用SPSS软件执行数据预测,并进行残差分析,通过实例验证,短时期内的预测数据精度较高。     

针对肌肉功能障碍患者的数据库研究与开发

建立标准数据库是临床研究病情变化的重要手段,建立适用于肌肉功能障碍患者的标准数据库模板更具有重要临床意义。本研究针对临床上所采集的具有肌肉功能障碍患者的肌力、肌电数据,通过ODBC连接方式,引入了统一建模语言(UML),使用VC++开发工具,设计和完成了Access数据库,以对获取到的大量的肌力、肌电数据进行管理和使用。数据库有效存储并管理肌力、肌电数据,同时能减少数据占有空间和数据冗余,它更好地满足了医院康复科的需求。     

海水中VLF传播特性分析

本文以电磁波反射定律与折射定律为基础,建立了电磁波在两种介质分界面处的传播模型,研究了甚低频电磁波在导电媒质中的传播特性,推导了甚低频波在海面及海水中传播的电场表达式,分析了导电媒质对不同频率的电磁波所产生的影响,分析结果表明,甚低频电磁波在海水中的穿透深度较大,能够满足水下通信要求。     

燃煤锅炉供热系统的模糊控制

介绍燃煤锅炉供热系统的自动化节能模糊控制方案,燃煤锅炉供热系统是一个大惯性的滞后系统,传统的单纯PID控制效果不理想,而基于工人熟练的经验和专家知识的模糊控制能够达到比较好的效果。系统中对控制参考量水温和炉膛负压这两个输入量模糊化处理,由控制规则推出输出模糊子集,再应用模糊推理合成规则得出PID的系数,PID控制器根据输出量来控制鼓风机、引风机、炉排电机和水泵的变频器。     

IPv6网络安全的实现与测试

IPv4地址日趋枯竭,IPv6协议替代IPv4协议势在必行。与IPv4协议相比,IPv6协议在地址空间、路由聚合、服务质量和网络安全等方面带来了很大的发展和提升空间,但IPv6的网络安全仍然存在。本文对IPv6的防火墙和入侵检测系统进行了测试,并对其结果进行了分析。为正确部署防火墙和定位入侵检测系统提出了系列建议。     

Analysis of reasons why gas sensors influence long-term stability of flammable gas alarms and produce false alarm

概述了影响报警产品性能的两大原因-电路和气体传感器,其中气体传感器部分是影响质量的关键.以半导体传感器为例,分析了可燃气体报警器在正常使用环境下经常发生误报警及使用一段时间后不报警的原因,并采取了相应的措施—通过对传感器增加干扰气体过滤帽把主要影响报警器误报的乙醇等气体滤除掉,并尽可能远离含硅物质以保证传感器的长期稳定性.根据对不同质量传感器在各种气体环境下的试验数据及特性曲线分析,论述了传感器对报警产品的可靠性及长期稳定性的影响,并针对报警器的误报问题提出相应的解决方法.     

物联网智能家居系统的研究与设计

智能家居有广阔的应用前景.针对传统家居控制上的缺陷,采用B/S架构设计了智能家居管理系统,采用ZigBee无线网络实现对各类家居设备的信息采集和指令控制.用SQL Server 2005数据库管理系统与家庭网关,进行数据的传递与接收.通过Web浏览器,用户可以实现对智能家居系统的管理.     

红外弱小目标的匹配方法研究与仿真

研究红外图像中的目标匹配问题。针对传统的红外图像中目标匹配效果不理想,匹配不准确。当红外图像中是弱小目标时,背景灰度值与目标灰度值非常相近,灰度直方图均衡化无法实现目标与背景的完整分离,导致漏匹配率较高的问题。为提高目标的匹配精度,提出一种形态学预处理的红外目标匹配方法,通过形态学算法提取出图像中的形状信息,利用形状信息将红外图像中的目标与背景完整分离,避免了只依靠灰度图像信息造成的不能完整分离目标与背景带来的漏匹配问题。进行仿真的结果证明,采用的形态学与处理的匹配方法能够完整将目标与背景分离,成功完成目标匹配,取得了满意的结果。     

提高定点精度的FPGA信号处理算法

为了满足速度、功耗等诸多限制的要求,数字信号处理算法常使用FPGA实现。而实现时由于硬件特点,通常将浮点运算转换成定点运算,但定点转换设计流程复杂、周期长,且存在数据范围和精度之间的矛盾。利用浮点数的优点,本文改进了基于FPGA的定点数的基本运算规则,有效解决了上述矛盾。本文详细论述了实现移位、加/减、乘、除基本运算模块的方法和步骤,最后以FIR数字滤波器为设计实例。仿真结果表明:改进的定点数算法比定点运算误差小、精度高、数据范围宽,能有效地防止溢出。     

选择性集成算法分类与比较

选择性集成是当前机器学习领域的研究热点之一。由于选择性集成属于NP"难"问题,人们多利用启发式方法将选择性集成转化为其他问题来求得近似最优解,因为各种算法的出发点和描述角度各不相同,现有的大量选择性集成算法显得繁杂而没有规律。为便于研究人员迅速了解和应用本领域的最新进展,本文根据选择过程中核心策略的特征将选择性集成算法分为四类,即迭代优化法、排名法、分簇法、模式挖掘法;然后利用UCI数据库的20个常用数据集,从预测性能、选择时间、结果集成分类器大小三个方面对这些典型算法进行了实验比较;最后总结了各类方法的优缺点,并展望了选择性集成的未来研究重点。