永磁接触器动态合闸特性优化

永磁接触器是在传统的电磁式接触器的基础上革新的一种新接触器,具有节能、噪音低等诸多优点,受业界的广泛关注。但是,当永磁接触器合闸时,引起的触头弹跳现象,严重影响了永磁接触器的可靠性和使用寿命。在此用模糊控制对永磁接触器动态合闸特性进行优化,使用MATLAB建立了永磁接触器的动态合闸仿真模型。研究了基于模糊控制对永磁接触器合闸动态特性的优化。通过实验,对比未施加PWM控制、施加50%占空比的方波以及施加模糊控制这三种方法,验证了模糊控制方法的有效性。     

红外运动目标动态跟踪模糊算法分析

对于红外传感器来说,当距目标很远时,目标在成像平面上仅占一个或几个像素,且接收到的信号很微弱,介绍了红外图像的特点,运动目标Kalman滤波模糊跟踪算法及其步骤．对于这种检测问题的主要技术难点进行了讨论,并利用模糊算法进行了分析,给出了跟踪算法的分析结果。     

基于PIC24F的柴油发电机检测与自动化系统

针对原有柴油发电机组的专用控制器功能单一、集成度低、测量精度和响应速度低等问题,设计了一款基于PIC24F的柴油发电机检测与自动化系统。在该系统控制作用下,可实现市电故障检测以及无人值守条件下的自动运行。通过实验证明,文中所使用的差动式低通放大电路作为前置电压采样电路和软件补偿算法,可较好地抑制共模干扰信号,高频干扰信号,冲击噪声,提高了测量的准确性与可靠性。与以往的双电源供电和外置AD做法相比,文中所采用的单电源加偏置电压的信号采集电路成本降低,外围器件减少,且缩小了电路体积。     

距离保持水平集在汽车门锁图像分割中的应用研究

针对基于机器视觉的汽车门锁装配尺寸检测系统中摇臂距离的检测问题,研究了距离保持水平集的图像分割算法。该算法是将轮廓表示为一个符号函数,符号函数的零水平面与实际轮廓相对应,并在能量泛函中加入了内部能量泛函,表示两个函数之间的差异。实验表明,与一般的基于边缘检测的图像分割算法相比较,该算法能够很好的解决汽车门锁图像中摇臂外弧线分割问题,提高了汽车门锁检测系统的精度。同时,该算法也可应用到其他类似工业装配件局部图像分割中。     

双时间步时域有限体积方法计算时变电磁场

双时间步被引入到时域有限体积解算器这一直接求解麦克斯韦方程组的高精度数值方法中.双时间步方法作为非定常时间推进技巧,时间精度由物理时间步长决定,稳定性要求由定常子迭代时间步长所满足,从而放松了通常显式时间格式和网格对物理时间步长的限制,达到节约计算量的目的.典型目标电磁散射计算表明:通过对物理时间步长、最大子迭代步数、子迭代收敛判据的合理选取,双时间步方法在保证计算精度的同时,能提高计算效率.     

基于支持向量机的中文模糊本体映射

Taking into account that fuzzy ontology mapping has wide application and cannot be dealt with in many fields at present, a Chinese fuzzy ontology model and a method for Chinese fuzzy ontology mapping are proposed. The mapping discovery between two ontologies is achieved by computing the similarity between the concepts of two ontologies. Every concept consists of four features of concept name, property, instance and structure. First, the algorithms of calculating four individual similarities corresponding to the four features are given. Secondly, the similarity vectors consisting of four weighted individual similarities are built, and the weights are the linear function of harmony and reliability. The similarity vector is used to represent the similarity relation between two concepts which belong to different fuzzy ontolgoies. Lastly, Support Vector Machine (SVM) is used to get the mapping concept pairs by the similarity vectors. Experiment results are satisfactory.     

C 波段双极化低旁瓣阵列天线

本文设计制作了一种高隔离度低副瓣双极化平板阵列天线,该阵列天线采用角锥喇叭作为辐射单元,以获得 高增益,馈电网络采用空气带状线,以获得较低的馈电损耗,利用探针对喇叭馈电,可获得较高的极化隔离度。在阵 列设计中,采用泰勒加权算法以获得-23dB 的旁瓣,同时利用反相馈电技术使阵列的交叉极化小于-30dB。仿真和实 测结果表明,在6GHz±200MHz 内,驻波小于2,天线增益大于23dB,交叉极化电平小于-30dB.     

面向Weblog的模糊协同聚类算法

面向Weblog的协同聚类算法具有同时发现用户聚类及与之对应的页面聚类的能力,已成为Weblog数据挖掘的重要研究内容。由于现有的面向Weblog的协同聚类算法大多采用硬划分方法将用户和页面分配到聚类,因此,无法很好地处理聚类边界的问题,即一个用户可能属于多个聚类,从而影响了聚类质量。该文给出了一种面向Weblog的模糊协同聚类FCOW(Fuzzy CO-clustering for Weblog)算法来解决协同聚类算法的边界问题,以提高聚类结果的质量。该算法首先利用矩阵Hadamard积运算发现Weblog中隐含的独立用户模式1={,,K}PA pa pa;其次,依据pa k所对应的页面子集将剩余用户分配到该独立模式中,从而产生协同聚类结果 {k,k}CS CP,k=1,,K;最后计算每个用户和页面与协同聚类之间的模糊隶属度,并以该隶属度作为个性化推荐的依据。实验结果表明,FCOW算法具有获得高质量聚类结果的能力。     

基于计数布鲁姆过滤器的集合调和算法

提出了一种基于计数布鲁姆过滤器的集合调和方法,该方法将远程节点A和B上的数据集合SA和SB分别用计数布鲁姆过滤器表示,设为CBF(SA)和CBF(SB),节点A将CBF(SA)发送给节点B,节点B进行计数布鲁姆过滤器减运算,得到差过滤器CBF(SB)CBF(SA),然后利用CBF(SB)CBF(SA)查询并获得集合SB中的差集元素SB SA,并返回SB SA给节点A,最后节点A用差集SB SA和自身集合SA进行集合并运算,完成集合调和。由于计数布鲁姆过滤器支持集合元素的删除操作,因此,该方法非常适合应用于数据集合更新频繁的分布式系统。理论分析和仿真实验结果表明,该方法既具有精确集合调和,能得到全部SB SA元素的优点,也具有近似集合调和仅需单轮消息交换的优点。     

Imbalanced SVM‐Based Anomaly Detection Algorithm for Imbalanced Training Datasets

Abnormal samples are usually difficult to obtain in production systems, resulting in imbalanced training sample sets. Namely, the number of positive samples is far less than the number of negative samples. Traditional Support Vector Machine (SVM)‐based anomaly detection algorithms perform poorly for highly imbalanced datasets: the learned classification hyperplane skews toward the positive samples, resulting in a high false‐negative rate. This article proposes a new imbalanced SVM (termed ImSVM)‐based anomaly detection algorithm, which assigns a different weight for each positive support vector in the decision function. ImSVM adjusts the learned classification hyperplane to make the decision function achieve a maximum GMean measure value on the dataset. The above problem is converted into an unconstrained optimization problem to search the optimal weight vector. Experiments are carried out on both Cloud datasets and Knowledge Discovery and Data Mining datasets to evaluate ImSVM. Highly imbalanced training sample sets are constructed. The experimental results show that ImSVM outperforms over‐sampling techniques and several existing imbalanced SVM‐based techniques.