一个用于VHSIC连接线瞬态分析的电路模拟器

本文介绍了一个可对含连接线的电路进行瞬态分析的电路模拟器,该模拟器是在SPICE基础上经修改扩充而成的,连接线的处理采用了文献[1]的方法.文中介绍了方法的基本原理,讨论了数值Laplace反变换时参数的选择与误差的控制.实际VHSIC电路的试算结果表明,该模拟器是相当有效的.     

未知钍—铀比的误差分析

研究了在任意Th、U含量和Th-U比覆盖整个范围(即0≤Th/U≤∝)时总α计数率对年剂量的转换因子及其误差。结果表明,当不测定Th-U比而只测量总α计数率时,最终引起的年龄误差对0≤Th/U≤∝来说为±5.1％-±8.3％,对1.1≤Th/U≤9.5来说只有±2.5％％-±4.1％。     

基于神经网络的特征分析在烟叶分级中的应用。

通过数字图像技术可以自动提取烟叶的颜色和形状特征,而不同特征值对分部位、颜色和等级的决定程度不同,文章结合广义回归神经网络定性分析各种不同特征对部位或颜色分级的影响,分别得到对分部位、颜色和等级有决定影响的特征量,通过建立不同神经网络得到最终等级。     

图像置乱效果评价算法综述

图像置乱技术通过对图像矩阵的重排操作,破坏图像矩阵的相关性,从而实现信息加密。图像置乱效果评价方法是对图像置乱程度的客观评价,目前涌现的图像置乱方法都从各个方面验证其自身的优越性,但仍没有一种通用的评判方法。该文根据最优置乱效果的定义,讨论了一些现有的图像置乱效果评判方法,在深入研究这些方法的原理后,对各置乱性能评判方法的客观性进行了深入分析和讨论。     

Adaptive fuzzy decentralized control for nonlinear large-scale systems based on high-gain observer

An adaptive fuzzy decentralized backstepping output-feedback control approach is proposed for a class of nonlinear large-scale systems with completely unknown functions,the interconnections mismatched in control inputs,and without the measurements of the states.Fuzzy logic systems are employed to approximate the unknown nonlinear functions,and an adaptive high-gain observer is developed to estimate the unmeasured states.Using the designed high-gain observer,and combining the fuzzy adaptive control theory with backstepping approach,an adaptive fuzzy decentralized backstepping output-feedback control scheme is developed.It is proved that the proposed control approach can guarantee that all the signals of the closed-loop system are semi-globally uniformly ultimately bounded(SUUB),and that the observer errors and the tracking errors converge to a small neighborhood of the origin by appropriate choice of the design parameters.Finally,a simulation example is provided to show the eectiveness of the proposed approach.     

自动化控制系统在城市集中供热领域的应用

介绍自动控制系统在城市供热领域的应用,达到热网热平衡、节能环保及节省投资等目的。     

在线气体分析系统在炼钢厂的应用

介绍宣钢炼钢厂转炉煤气回收过程的在线气体分析,比较激光分析仪和抽气式气体分析仪的工作原理及特点。     

石化行业自动化控制仪表常见故障分析及其处理

介绍化工生产过程中仪表故障及其处理措施。     

一种基于数据竞争的高分辨率图像的聚类分割算法

近些年,机器人技术得到了迅猛的发展,应用越来越广泛.随着机器人技术的推广和普及,对机器人使用的要求也越来越高,其中对智能机器人的要求尤显迫切.机器视觉是智能机器人研究领域的一个重要研究方向.在机器人视觉系统中,核心问题是目标提取,对目标实时、准确、快速提取的关键技术是图像分割.由于机器人感知的环境的复杂性及目标的多样性,往往导致机器人感知获得的图像数据量较大且图像本身存在不可预知的复杂性,这就对准确的目标分割和提取处理提出了挑战性问题.本文针对高分辨率图像数据集的分割处理,提出一种新的聚类算法,即根据数据点能量和的大小识别类代表点和类成员点,通过数据点间的竞争识别出最有能力成为簇成员的数据点,并将其与mean shift聚类算法有效地结合应用于彩色图像分割问题中,能够快速高效地实现高分辨率图像的目标分割,并得到较好的图像分割效果.实验结果表明,本文算法在分割效果和分割效率上明显优于传统聚类算法.