浅析水稳拌和站中的计量设备控制

随着社会的发展和进步,基础设施建设力度在不断增加,想要保障水稳拌和站能够顺利生产,拌和站正常稳定运行是基本保障,可以在一定程度上提高水稳拌和站生产质量.虽然已经得到了一定的发展,但是在实际运行的时候还是会存在一定问题和不足,拌和站维修管理和选择故障是十分重要的,需要合理的进行选择,保证系统可以稳定、安全的运行.     

外槽数控加工工艺方法探讨

在数控加工中槽形轮廓是最基本的,技术要领难掌握的要素,是数控竞赛的必考内容.本文作者一直从事数控竞赛训练培训工作.本文以CAXA数控车加工软件和数控车西门子828D操作系统为载体,结合自身总结的加工经验,探讨外槽加工的工艺以及控制尺寸精度的方法.     

浅析温度检测仪表的应用

工业生产中参数众多,其中温度就是最常见的一种,温度直接影响产品质量、设备及人员安全.本文中以温度检测仪表工作原理为切入点,分析常见仪表优缺点,并探讨实际应用中如何选择合适的温度检测仪表型号,提高温度检测质量.     

基于强跟踪卡尔曼滤波的陀螺信号处理

针对陀螺传感器测量精度低,严重影响航空光电稳定平台视轴稳定精度的问题,设计了强跟踪卡尔曼滤波器。根据时间序列分析法的基本原理,对经过预处理的陀螺原始量测数据进行AR模型建模,根据该AR模型采用状态空间法设计卡尔曼滤波器,同时为了增强系统的鲁棒性,引入强跟踪算法对卡尔曼滤波中的状态预测方差进行实时调整,构造了强跟踪卡尔曼滤波器。阐述了该算法的理论、原理,并且在某型航空光电稳定平台上进行试验验证。试验结果表明:强跟踪卡尔曼滤波器输出信号的方差减少了44.1%,分散程度降低,同时,相较于巴特沃斯滤波器,最大超调量减少13%,上升时间缩短了3ms,调整时间缩短了37.5ms,使平台具有良好的动态性能。研究表明,强跟踪卡尔曼滤波器可以提高航空光电稳定平台的精度,有较高的实用价值。     

红谷田水库水情测报系统的设计研究

通信、自动控制及计算机等技术的发展日新月异,将其运用到数据采集和处理中,可提高水情信息的传递效率。本文以红谷田水库为例,阐述了水情自动测报系统的建设方案。该系统可对数据进行实时采集、存储、人工置数和自动传输、图表化处理等,从而实现水库水情数据和工情数据的实时传输、处理及分析,并为水库的经济、安全运行管理提供科学的决策依据。     

面向安全的轮流中继选择方案

针对多中继轮流中继系统被窃听的问题,提出面向安全的轮流中继选择方案。首先提出了遍历的最优中继选择方案,并推导得到了保密速率的理论值;之后为降低复杂度,分别从降低计算复杂度和信道估计开销的角度设计了两种两阶段的次优中继选择方案,先缩小中继选择范围再进行搜索。仿真结果表明K-最大主信道中继选择方案能够以较低的复杂度实现最优保密速率。     

直梯维修保养行为特征数据的采集及应用

通过分析维修保养作业过程的行为特征,提取对应的电梯状态、电梯开关量,将行为特征转换为可以采集的电气信号。基于电梯物联网平台采集垂直电梯的维修保养行为的特征数据,构建维修保养监督系统。实现维修保养行为的数据化、自动化记录。可以实现电梯保养、维修作业的监督管理,能极大提升管理效率,有重大的经济价值。     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

基于遗传蜂群算法的运动想象BCI系统导联选择*

在运动想象脑-机接口系统中,常采用高密度导联获取脑电信号,导致实验准备时间长,系统运行速度慢,性能变差等问题。针对上述不足,本文提出了一种基于遗传算子的蜂群算法用于导联优选,引入交叉和变异算子以提高蜂群算法的邻域搜索能力。通过对第四届国际BCI 竞赛 Dataset 1中四名被试者(a,b,f和g)的59导联运动想象数据进行导联优选,用多类CSP算法和支持向量机对优选导联数据进行特征提取和分类识别。结果表明所提出的算法在大大降低了导联维数的同时,也得到了比采用全部导联更高的分类识别率,验证了本文所提算法的实用性和有效性。     

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地做出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为。然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为。另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。