时变大滞后过程的仿人智能模糊控制

目前大滞后过程的控制问题仍然是公认的难题,并且许多被控过程都具有时变特性,即参数或结构随时间和环境的变化而改变,这更加大了控制的难度。通过深入分析仿人智能控制和模糊控制的优缺点,充分利用模糊控制不需要被控对象的数学模型、抗干扰能力强、鲁棒性好,和仿人智能控制抗滞后性强的优点,各取所长,提出了一种适合于时变大滞后过程的仿人智能模糊控制方案,并指出了其设计思路和步骤。仿真结果证明了该方案具有较好的动静态响应特性和较强的鲁棒性,为解决时变大滞后过程的控制问题提供了一种可行的方法。     

基于自适应模糊滑模控制的高速列车自动停车算法

为实现高速列车自动停车功能,根据列车纵向动力学分析和制动系统原理,建立了高速列车非线性制动模型.针对大系统模型的强耦合、强非线性和不确定性的特点,依据列车运行速度,将非线性模型表示为T-S(Takagi-Sugeno)模型,并基于自适应模糊策略,设计了自动停车滑模控制器.控制算法通过自适应模糊系统逼近模型中不确定项和互联项的上界,消除了车间作用力及运行阻力的影响,使列车追踪理想停车曲线.依据李亚普诺夫方法证明了闭环系统的稳定性和追踪误差的收敛性.仿真结果验证了所提滑模控制器的有效性.     

大数据管理技术研究综述

大数据具有规模大、深度大、宽度大、处理时间短、硬件系统普通化、软件系统开源化等特点。传统关系型数据库在对大数据进行操作时,系统性能严重下降。因此,大数据管理技术研究成为当前研究热点。分别从并行数据库,面向大数据处理的MapReduce模型,NoSQL与数据库技术的对比以及MapReduce与数据库技术相结合四个方面,对国内外的研究发展状况进行分析和评述,最后展望了未来大数据研究发展方向。     

大数据技术在数字图书馆中的应用分析

信息技术的不断发展使图书馆进入了数字化管理时代,而由此大数据问题成为图书馆面临的重要难题。本文从数字图书馆海量数据的存储、检索以及数字图书馆大数据技术的应用架构等几个方面对大数据技术在数字图书馆中的应用进行了分析探讨。     

时滞关联大系统的分散变结构自适应控制

针对一类满足匹配条件的不确定性时滞关联大系统,提出了一种基于Lyapunov稳定性理论的分散变结构自适应控制方案.通过引入积分滑模和能在线估计不确定性扰动与时滞关联的界的自适应算法,保证了闭环系统的渐近稳定性,实现了系统的鲁棒自适应控制.所提出的方案具有较强的工程实用性.算例仿真的结果表明了该控制方案的可行性.     

基于大数据的电力信息技术发展探讨

电力行业大数据是综合电力企业生产、运营及销售等数据的信息系统,也是近年来电力发展的重要方向之一,如何提高大数据的分析利用能力也成为了电力企业发展中亟待解决的问题。本文主要阐述了大数据的定义及其对电网发展的影响,分析了电力企业业务信息中的大数据,重点研究额大数据的电力信息技术发展,以期为电力信息技术的发展提供理论指导。     

智慧露天矿山总体框架及关键技术研究

结合我国露天矿山的特点,给出了智慧露天矿山的定义。介绍了智慧露天矿山的总体网络架构、业务架构、协同流程:采用云、边、端的总体网络架构,通过接入多源异构数据,充分应用大数据、云计算等先进技术,实现露天矿山各个生产环节的协同关联;业务架构采用"5层+3体系"的模式,"5层"自下而上分别为基础设备层、业务数据层、分析服务层、分析业务层和分析展现层,"3体系"分别为数据分析标准体系、安全规范标准体系、元数据及代码规范标准体系;智慧露天矿山协同自下而上要实现"基础+数据"支撑、矿山生产系统协同、灾害风险分析协同和经营决策协同。探讨了智慧露天矿山无人驾驶技术、数字孪生技术、大数据采集分析技术、风险监测及预警技术等关键技术。指出大数据、人工智能等技术将成为露天矿山智能化的核心驱动,平台化架构将成为未来智慧露天矿山系统的共性选择。     

数据簸箕

大数据时代的到来给数据挖掘和知识发现带来了很大的挑战。簸箕是一种大家熟知的农用工具,能快速将不同的物体分开。基于簸箕的工作机制,提出了一个新颖的学习原理：随机并行序化原理（random parallel ranking principle,RPRP）,称为数据簸箕,可高效地对数据进行排序和分类。为了验证这种学习原理的有效性与高效性,设计了一种新的聚类方法,即聚类簸箕。实验结果表明,聚类簸箕能够快速且有效地对数据进行聚类。此外,该学习原理也能够用于设计高效的分类器。该数据簸箕有望推动大数据背景下机器学习与知识发现理论与方法的发展。     

城市交通GPS数据可视化分析

现阶段城镇化进程的不断加快和机动车数量的急剧增加导致道路交通压力不断增大,急需对产生的大量交通数据进行分析来指导市政道路规划和提高城市管理水平,从繁杂的交通数据中发现城市运行的规律。但交通数据具有海量,高维等特点,对其分析具有很大的难度。提出的可视化方法是解决该问题的有力手段,基本思想为通过一系列自动分析算法处理大数据和人脑对图像等可视化图形的先天认知优势,可以从海量复杂的数据中去伪存精,进而对关注的主题改进分析模型,最后获取结论。以山东省淄博市车辆GPS数据作为样例,首先对相关数据进行预处理,然后利用匹配技术还原车辆在道路上特定时刻的状态,再运用聚集计算等技术将车辆运行状态转化为道路通行信息,最后通过可视化界面呈现道路的交通运行情况。结果表明,该可视化方法能够反映淄博市道路通行状况。     

基于大数据挖掘处理的多维数据去重聚类算法分析模型仿真

本文设计了基于大数据挖掘处理的多维数据去重聚类算法分析模型.通过详细介绍多维聚类算法,基于大数据内部关联性分析,实现了去重聚类算法分析模型构建.最后通过算法优化与仿真研究,得出结论,多维数据去重聚类算法采样时复杂度偏低,数据分析结果准确率较高,可有效分析处理数据,避免冗余繁杂,保障数据分析效率与水平,评估判定结果较好,值得大力推广应用.