基于L-系统的分形植物形态建模方法研究

植物生长过程中所表现出来的分形特征是虚拟植物形态发生的重要研究内容,而L-系统在表达具有分形特征的虚拟植物形态上具有明显的不可控特点,严重影响了L-系统的广泛应用。为了更好地研究自然界植物的分形特征,以植物分枝结构和几何形态的量化为前提,建立植物分形特征和L-系统的映射关系,应用改进的L-系统拟合分形植物的生长过程,并结合B-样条曲线动态控制分形植物的弯曲,生成丰富多样的、具有逼真分形效果的虚拟植物形态。     

PLC和iFIX在公路隧道交通监控中的应用

隧道作为路段的特殊构造物,具有易发生事故及事故危害程度大,难于处理的特点。为保障公路隧道内道路畅通和行车安全,减少交通事故的发生,防止造成二次事故,隧道需要设置交通控制系统。以青海柳梢沟隧道监控系统为例,系统通过组建ABB AC500 PLC冗余系统OPC服务器,由组态软件i FIX自带的OPC客户端驱动读取服务器数据,与工业以太网技术相结合来实现公路隧道的远程数据采集。实际运行表明,该系统操作简便、易于维护、通信稳定且数据传输速率高。     

基于ASP.NET的房屋中介信息管理系统设计

采用B/S模式开发Web应用程序,基于ASP.NET技术,实现了房屋中介信息管理系统的房源信息管理、客户管理、中介信息管理、管理员管理、基础数据维护、公告管理和新闻管理的功能,其中最主要的功能模块是中介信息管理,包括添加中介、删除中介、查找中介、浏览中介信息、修改中介信息、中介身份认证、发布出售出租房源信息的功能。其他功能模块与其类似。     

基于自编码神经网络建立的搜索信息模型

根据用户搜索历史,将用户关注的信息按标题分类,通过自编码神经网络提取特征值。设定学习样本标题最多为25个汉字,编码方式采用汉字机内码(GBK码)。使用 MATLAB工具进行深度学习,将样本在原空间的特征表示变换到一个新的特征空间。     

基于GPRS大口径水表远传系统在水司中的应用

针对供水行业水表计量的信息化发展要求,本文在介绍大口径水表远传工作原理的基础上,采用可测倒流的计数装置,将水表信息传送给水表传输端站,利用网络运营商提供的GRPS网络,实现公户水表表字传输到远程抄表系统的数据库中。系统具有倒转预警功能,数据及图表统计等功能。     

基于曲率匹配和递归排序的自适应排样算法

为提高盘状毛坯的使用率,提出一种口腔修复加工中模型边界在盘状毛坯中的排样算法,主要包括边界匹配、多边形定位及递归排序.首先基于协方差矩阵及矩阵SVD分解算法对模型多边形进行分段,并采用等弧长曲线采样曲率匹配确定待匹配模型边界;然后依毛坯边界角度分布及沿圆周排样的思想确定模型轮廓的旋转和平移定位;最后提出一种基于包络率的递归排序算法,对在排样过程中发现的大孔洞可动态地调整排样顺序.实验结果表明,该算法可以处理不规则模型边界在任意形状毛坯中的排样,能有效地降低加工成本.     

基于隧道磁阻传感器的三维电子罗盘设计

针对现有电子罗盘在地磁场检测时易受到外界磁场干扰而导致测量精度不高的问题,设计了基于隧道磁阻传感器( TMR)的三维电子罗盘并完成样机制作。研究了实际环境中电子罗盘的误差特性,经椭球拟合校正后,采用基于椭圆假设的椭圆拟合方法对误差进行补偿,补偿后其方位角精度可达0.85°,有效降低94.81%的方位角误差。实验结果验证了TMR传感器在电子罗盘应用的可行性。     

基于拓扑结构变化趋势的MCL优化算法

该文提出一种高精度的移动传感器网络中实现定位跟踪的方法,该方法利用未知节点在运动过程中网络拓扑结构变化的信息提高锚节点利用率,并改善样本采集效率。在无拓扑结构变化的情况下采用牛顿插值方法对节点当前位置进行预测,当拓扑结构有变化时,采用拓扑结构变化构建适应值函数,并用粒子群算法优化样本点的质量。仿真实验结果表明,该文算法与传统算法相比加快了收敛速度,提高了定位精度,改善了在低锚节点密度时的性能。     

基于DE-EDA-SVM的瓦斯浓度预测建模仿真研究

瓦斯浓度作为衡量煤矿瓦斯危害程度的一个重要指标,为了能够更加准确的预测煤矿瓦斯的浓度,提出一种差分进化-分布估计（DE-EDA）算法优化的支持向量机瓦斯浓度预测新方法。利用无线传感网络系统采集工作环境中的瓦斯浓度数据,并经过降噪处理后作为训练样本。采用DE-EDA算法对SVM模型的惩罚参数C、损失参数ε以及径向基参数γ进行优化,利用优化后的模型进行瓦斯浓度的预测。通过MATLAB软件仿真可以得出,所采用的优化模型能够准确的预测煤矿瓦斯浓度的变化趋势。并与经过粒子群（PSO）算法优化的预测模型相比较。结果表明,经过DE-EDA算法优化的SVM模型具有训练速度更快、预测更准确的特点,为实际煤矿瓦斯浓度的预测和处理提供了更加可靠的理论基础。     

NASA系列雪参数反演算法在单像元内的时间序列验证与分析

NASA系列算法(Chang,NASA96和Foster算法)是被动微波遥感反演雪深、雪水当量的简单、实用的经验算法,并经过了很多学者大范围的算法验证和改进。为了进一步评价NASA系列算法在东北地区的时空适用性,于长春净月潭区域选定了一个以农田和森林为主的10km×10km被动微波遥感混合像元,在时间上连续观测整个干雪期(2014年12月至次年2月)的积雪参数和气象数据,结合FY3B卫星搭载的微波成像仪(MWRI)亮温数据,对NASA系列算法精度进行了评价分析。结果表明:对于雪深的反演,Chang算法和NASA 96算法前期反演效果较好,后期随着时间的推进高估雪深的趋势愈加明显。由于考虑了森林覆盖率的影响,NASA 96算法的反演精度更高。两种算法最大高估值分别是24.46和14.62cm,这是因为期间雪性质不断变化,尤其是雪粒径不断增大的缘故。Foster算法也严重高估了雪水当量,可能是由于积雪类型的分类系统未必适合于东北地区的积雪特征。本文的积雪连续观测数据为认识东北地区的积雪特性奠定了基础,对算法的时间序列验证与分析为雪参数反演算法的进一步改进提供了可靠依据。