泓格科技 数字输出入板卡PISO-730U

PISO-730U支持3.3V/5VPCI bus接口,并提供32个隔离数字输出入通道(16数字输入与16数字输出)与32个TTL数字输出入信道(16数字输入与16数字输出)。每个隔离数字输出信道提供了一个达林顿晶体管,具有3750Vrms隔离保护。PISO-730数字输出入信道预防地面回路问题与隔离导致主机损坏的电压。典型地开集极式输出(数字输出)使用于警报器、警告通知、信号     

高职院校数字化校园建设的研究与思考

进入“十二五”,高职院校普遍完成了院校组建的初期建设,开始进入内涵建设的阶段。文章从高职院校进行数字化校园建设的目标和意义展开,探讨数字化校园作为高职院校内涵建设的重要组成部分,对提升高职院校的教学、科研和管理水平以及建设现代化的高等职业教育有着极其重要的作用;并对面向高等职业教育、以服务院校实际业务为目的高职院校数字化校园建设进行研究与思考。     

地线干扰与抑制

作为电子工程技术人员在设计和维修中一定要注重地线的干扰,尽可能地避免地线的干扰,并且知道如何抑制地线的干扰     

集对分析在汛期分期中的应用研究

合理的流域汛期分期,对水库防洪、兴利和实现洪水资源安全利用具有关键意义。现有汛期分期方法较复杂,计算繁琐,不便于应用。为此提出了基于集对原理的汛期分期方法——集对分析法(SPAM)。介绍了集对分析的基本思路和汛期分期计算的步骤。实例分析表明基于集对分析的汛期分期可行,分期结果可信。SPAM概念清晰,结构简单,计算简洁,易操作,是一种有效的分期途径。     

下凹式绿地对城市雨水集蓄利用作用研究进展

由于淡水分布不均,多数国家和地区水资源匮乏。城市耗水量巨大,尤其城市化的加快导致城市雨水大量流失,地下水位下降加剧了水资源枯竭。雨水是一种不可多得的可利用水源,很多国家已注意利用绿地收集利用雨水,我国也进行了相关研究。其中下凹式绿地是绿地雨水集蓄利用的改良措施,兼具景观、雨水利用、消减洪峰和控制雨水污染等功能。它比平式和凸式绿地具有更好的雨水集蓄利用功能。在分析雨水利用成为解决城市水源问题有效途径的基础上,着重综述了下凹式绿地雨水利用措施在我国的研究进程。探讨了目前该领域研究中存在问题,并提出建议,以期为更好的利用雨水缓解城市缺水局面,促进城市水循环及服务生态环境提供科学依据。     

基于多尺度网格模型的物流配送中心选址候选集构建方法

针对物流配送中心选址候选集构建中的地理区域离散化问题,提出一种基于k-增长多尺度网格模型的选址区域离散化方法,根据区域选址敏感度不同,进行尺度差异化网格划分．在此基础上,提出了多尺度网格投影及膨胀算法,识别并剔除“限制性区域”及距其指定范围内的多尺度网格．数值实验表明了所提出的模型及算法的有效性．     

基于容许集的多胞不确定系统三模RMPC

针对输入和状态受约束的多胞不确定线性系统,提出了基于容许集的扩大吸引域三模鲁棒模型预测控制方法.在多面体不变集离线模型预测控制算法的基础上引入容许集,以多面体不变集序列的并集作为模态1,基于N步容许集的控制容许集作为模态2,并利用离线设计和在线优化的控制策略,设计了三模变终端约束鲁棒模型预测控制算法,以实现系统渐近稳定.该算法不仅降低了在线运算量,而且扩大了吸引域.最后的仿真结果验证了所提出算法的有效性.     

不同的距离测量方法对人工免疫识别系统的性能影响*

人工免疫识别系统AIRS（Artificial Immune Recognition System）是著名的免疫网络分类器,被成功地应用到大量的分类问题,表现出了良好的性能。为了分析不同的距离测量方法对AIRS的性能影响, 采用三种距离测量方法实现AIRS,这三种方法分别是Euclidean距离、Manhattan距离和RBF核空间距离,并将三种用不同距离测量方法实现的AIRS算法应用于Iris,Heart和Wine数据集的分类测试。所获得的三组数据集分类的准确率和抗体规模进行了相互比较,结果表明采用Manhattan距离AIRS算法获得了对Iris和Heart的最高分类准确率,而采用核空间距离,算法获得了对Wine的最高分类准确率。从抗体群体规模来看,采用核空间距离则能获得最小的抗体群体。从性能比较可知,不同的距离测量方法对AIRS算法的分类性能较大的影响。     

依据流统计特性的报文分类规则集动态优化*

本文针对普遍使用的线性搜索报文分类方法在时间效率方面的固有弱点,设计了一种依据数据流统计特性的规则集自适应动态优化算法。其中包括：规则权重计算,规则优化排序,动态触发优化等部分。在占用较少资源的情况下,较为有效地提高了系统性能,并经实验结果证明,应用效果良好。     

基于免疫的异常检测中实值自体集优化算法*

针对免疫异常检测一直被忽视的实值自体集多分区、样本重叠率高和噪声等现象,以及造成的检测器生成代价高和边界漏洞等问题,提出一种实值自体集优化算法。算法通过模糊聚类算法处理集合多分区问题,利用高斯理论对自体集中的噪声样本、高重叠率等问题进行处理。通过Iris数据集和网络数据验证,算法可以有效地解决以上问题,提高生成检测器的效率和系统检测率。