基于认知负荷理论的多媒体课件设计研究

多媒体课件的信息加工主要包括信息的选择、组织和整合策略,它直接影响学习者对学习内容的选择、组织和整合。目前高校的多媒体课件比较注重体现多媒体技术形象直观、信息量大、效率高等特点,却往往忽视过量信息加工和学习者认知资源有限之间的矛盾。依据认知负荷理论,合理设计多媒体课件中文字、图片、声音、动画和视频等的呈现方式,可以降低认知负荷,最大限度提高学习者的信息加工水平,以达到提高教学效果的目的,同时对指导当前多媒体辅助教学实践也有重大意义。     

基于消息的Parlay X网关过载控制算法

为了解决目前Parlay X网关过载算法灵活性低、不能有效地使会话量最大化的问题,给出了基于合约的Parlay X网关系统架构。根据Parlay X消息类型特点设置消息优先级,根据消息优先级选择丢弃或者缓存消息,之后根据负载情况进行负载均衡以及接入控制,通过四个阶段来实现过载控制过程。实验结果表明,相比较于传统过载控制,该机制能在保证新建会话消息接收数量的同时提高其他类型消息的接收数量,减少平均服务时间,在满足合约限制的情况下,保证最大会话数量。     

气升式内环流反应器中油滴的分散特性

本文研究了气升式内环流反应器中油滴的分散特性。以对数正态分布密度函数为油滴尺寸的分散模型,导出了油滴的Sauter平均直径解析式。对模型作了实验验证,关联了模型参数。提出了油滴的尺寸分布密度函数和Sauter平均直径的半经验式。结果表明计算值与实验值吻合良好。     

Biologically adaptive robust mean shift algorithm with Cauchy predator-prey BBO and space variant resolution for unmanned helicopter formation

Visual tracking technology can provide measurement information for unmanned helicopter formation and thus, more attention is being paid to this research area. We propose a novel mean shift （MS） algorithm that is both adaptive and robust for unmanned helicopter formation and apply it to the leading unmanned helicopter tracking. The movement of an unmanned helicopter is very flexible and changeable, which makes the tracking there of more difficulty than for common targets. In creating an algorithm that can adapt to the acceleration of the unmanned helicopter and estimates both the scale and orientation of the movement changes, we combine the traditional MS with the bio-inspired Cauchy predator-prey biogeography-based optimization （CPPBBO） evolutionary algorithm, and also the space variant resolution （SVR） mechanism of the human visual system （MS-CPPBBO-SVR）. To demonstrate the effectiveness and robustness of the proposed method and justify the importance of the CPPBBO algorithm and SVR mechanism at the same time, a series of comparative exper- iments were carried out. The experimental results of the proposed MS-CPPBBO-SVR method are compared with other competitive tracking methods, such as MS, MS with SVR （MS-SVR）, MS-SVR with several other optimization algorithms, and the robust particle filter algorithm. The experimental results demonstrate that our proposed tracking approach, MS-CPPBBO-SVR, is more adaptive, robust and efficient in target tracking than the other methods.     

电力负荷管理终端常见现场故障分析

介绍终端系统的组成及电力负荷管理终端在其中起到的作用,分析终端现场运行故障的原因,并提出相应的处理措施。     

基于高炉TRT系统控制技术的研究与改进

介绍高炉TRT控制系统的改进,以达到节能、降噪、环保的目的.     

供配电系统无功补偿方案的选择

介绍无功补偿的作用、方法及原则,分析炼钢供配电系统负荷性质及无功补偿的必要性,并提出各供配电系统的无功补偿方案。     

基于二次EEMD的工业电能需量多步预测

电力大用户最大需量控制是降低电网峰值负荷、节约用户电费成本的重要技术手段.面向强波动性和冲击性工业电能需量控制,研究了超短期需量负荷的多步预测问题.基于集成经验模态分解(EE-MD)方法,通过二次分解有效分离时间序列中不同频率的信号,采用长短期记忆网络(LSTM)对各信号子序列进行独立预测,最后组合预测结果.实验结果表明,本方法能很好的预测工业需量负荷变化,M A PE/MAE/NRMSE精度指标基本控制在2％ 以内,明显优于多种现行主流时序预测模型和最新文献方法,且消除了多步预测的传递误差,预测模型精度和稳定性满足需量控制要求.     

基于双重权重偏差建模的无监督域适应

无监督域适应(Unsupervised Domain Adaptation,UDA)是一类新兴的机器学习范式,其通过对源域知识在无标记目标域上的迁移利用,来促进目标域模型的训练。为建模源域与目标域之间的域分布差异,最大均值差异(Maximum Mean Discrepancy,MMD)建模被广泛应用,其对UDA的性能提升起到了有效的促进作用。然而,这些方法通常忽视了领域之间对应类规模与类分布等结构信息,因为目标域与源域的数据类规模与数据分布通常并非一致。为此,文中提出了一种基于跨域类和数据样本双重加权的无监督域适应模型(Sample weighted and Class weighted based Unsupervised Domain Adaptation Network,SCUDAN)。具体而言,一方面,通过源域类层面的适应性加权来调整源域类权重,以实现源域与目标域之间的类分布对齐;另一方面,通过目标域样本层面的适应性加权来调整目标域样本权重,以实现目标域与源域类中心的对齐。此外,文中还提出了一种CEM(Classification Expectation Maximization)优化算法,以实现对SCUDAN的优化求解。最后,通过对比实验和分析,验证了所提模型和算法的有效性。     

大内跨小边跨框架结构预应力筋优化布置方法

预应力筋的优化布置是大内跨小边跨的多跨预应力混凝土框架结构合理设计计算的关键.为满足控制截面承载力最大的需要,以往常将大跨所需预应力筋布置为连续曲线,并按水平直线延伸通过其相邻的两小跨,按这种布置方式仅使大跨内产生竖向向上的预应力等效荷载,可较好平衡大跨的竖向外荷载;而若将大跨及相邻的两小跨统一考虑,预应力筋按连续曲线布置,张拉产生的预应力等效荷载不但可有效平衡大跨的竖向外荷载而且也可平衡小跨的竖向外荷载,可以使荷载平衡得到优化实现.以一典型工程为例,分析了在相同条件下两种预应力筋布置过程中张拉引起的综合弯矩、主弯矩和次弯矩的分布和量值上差异,比较了两类布筋形式对正截面承载力计算结果的影响,验证了对大内跨小边跨框架结构统一考虑后整体上按三段连续正反抛物线预应力筋布置的合理性.