SAPBI数据上载性能的研究

SAP的商务智能（BI ——Business Inteligence）是一个流行的管理和决策的信息技术化解决方案。在实施中,有时会出现上载数据时性能不稳定的问题。文章将通过某企业SAPBI系统的实际案例,具体分析上述问题是如何产生的,并做深入的研究,着重说明如何通过有效的工具组合来实现一个有序、高效的数据广上载计划,使SAPBI系统的数据上载更加稳定,从而帮助用户有的放矢地解决问题,最终实现企业智能化管理并健康持续地发展下去。     

板纸机定量水分控制系统解决方案设计

针对板纸机定量水分控制系统的难点,基于S7-300系列PLC为控制核心,设计了适用于板纸机的整套质量控制（QCS）系统。该系统由绝干浆量控制子系统、热泵供汽子系统、扫描架子系统三部分组成。采用多种算法对定量水分测量进行补偿;采用线性PID/PI、模糊控制、前馈解耦等多种高级过程控制算法,利用子系统间相互通讯,实现了定量水分大闭环控制。目前已在浙江等地多个厂家的板纸机上成功投用。     

逆M序列在机抖激光陀螺消除动态闭锁中的应用

对逆M序列在消除激光陀螺动态闭锁误差中的应用进行了研究和验证.目前多采用M序列对抖动的幅度进行调制来消除激光陀螺动态闭锁误差,而逆M序列与M序列相比不仅满足注入到激光陀螺抖动中的要求,且比M序列有其性质等方面优势.通过理论分析及M序列和逆M序列在消除机抖激光陀螺动态闭锁中实验中的应用对比,实验数据表明逆M序列在消除动态闭锁中的作用要优于M序列.     

S7—300PLC在横动自动控制系统中的应用

介绍了S7—300可编程控制器的特点、功能和控制系统结构,进而根据生产过程的要求进行了横动自动控制系统的动作程序的设计,通过该系统的核心S7—300可编程控制器和变频器组成的闭环控制系统可自动控制落丝和换桶,顺利实现生产过程的全自动化,提高了生产效率,并针对控制中存在问题提出改进的对策。     

智能设备基于J2ME平台的3D开发技术

在PC机的3D和智能设备应用上,碰撞检测始终是程序开发的难点,甚至可以用碰撞检测作为衡量3D引擎是否完善的标准。现有许多3D碰撞检测算法,其中AABB碰撞检测是一种卓有成效而又经典的检测算法,本文详细论述了AABB碰撞检测的技术。     

基于扩充的GIX/M/1/N排队系统的主动队列管理算法性能评价模型

为了评价主动队列管理(AQM Active Queue Management)算法的性能,通过在标准的排队系统GIX/M/1/N中嵌入主动队列管理(AQM)算法的方法,建立了一个扩充的GIX/M/1/N排队系统。利用该扩充的GIX/M/1/N排队系统和Internet业务流量自相似性的特征,提出了一种评价AQM算法在非响应业务流量下的性能的分析方法,并据此评价了TD,RED,GRED和Adaptive RED等4个经典的AQM算法。为了验证该分析方法的合理性,利用NS2进行了一系列的仿真实验。结果表明,该分析方法所得结果与仿真实验所得结果一致,因此该分析方法能用于评价AQM算法的性能。     

一种基于PSIM的脉宽调制芯片SG3525的建模与仿真

SG3525是一种应用非常广泛的脉宽调制芯片,在开关电源设计中得到了非常广泛的应用。本文以其为研究对象,对其功能详细研究,并根据资料手册在PSIM中对其各个模块进行建模。最后,将所搭建的各个模块相结合并利用PSIM现有的模块封装功能将其封装起来,用于控制一个全桥DC—DC变换,并通过仿真来验证其功能。     

从霍尼韦尔DCS的变迁看过程自动化控制系统的发展趋势

本文主要通过回顾霍尼韦尔公司DCS系统的30多年发展历程,重点介绍霍尼韦尔新一代Experion PKS系统的一些主要特征,以此分析工业自动化过程控制系统的发展趋势。     

基于LPC2103的蓝牙热敏打印机的开发

热敏打印机具有低噪音、高速度、高可靠性等优点,广泛使用在移动政务、警务、烟草、邮政、运输、配送等等行业,正在取代传统的针式打印机.本设计以ARM7TDMI核单片机LPC2103开发带蓝牙功能热敏打印机,打印头为FTP-628MCL101,蓝牙通信模块为YG-202M.本文简要介绍打印原理,打印硬件电路及软件设计.     

Android IoT Lifelog System and Its Application to Motion Inference

In social science, health care, digital therapeutics, etc., smartphone data have played important roles to infer users’ daily lives. However, smartphone data collection systems could not be used effectively and widely because they did not exploit any Internet of Things (IoT) standards (e.g., oneM2M) and class labeling methods for machine learning (ML) services. Therefore, in this paper, we propose a novel Android IoT lifelog system complying with oneM2M standards to collect various lifelog data in smartphones and provide two manual and automated class labeling methods for inference of users’ daily lives. The proposed system consists of an Android IoT client application, an oneM2M-compliant IoT server, and an ML server whose high-level functional architecture was carefully designed to be open, accessible, and internationally recognized in accordance with the oneM2M standards. In particular, we explain implementation details of activity diagrams for the Android IoT client application, the primary component of the proposed system. Experimental results verified that this application could work with the oneM2M-compliant IoT server normally and provide corresponding class labels properly. As an application of the proposed system, we also propose motion inference based on three multi-class ML classifiers (i.e., k nearest neighbors, Naive Bayes, and support vector machine) which were created by using only motion and location data (i.e., acceleration force, gyroscope rate of rotation, and speed) and motion class labels (i.e., driving, cycling, running, walking, and stilling). When compared with confusion matrices of the ML classifiers, the k nearest neighbors classifier outperformed the other two overall. Furthermore, we evaluated its output quality by analyzing the receiver operating characteristic (ROC) curves with area under the curve (AUC) values. The AUC values of the ROC curves for all motion classes were more than 0.9, and the macro-average and micro-average ROC curves achieved very high AUC values of 0.96 and 0.99, respectively.