排序方式: 共有24条查询结果,搜索用时 0 毫秒
1.
组态软件主要用来对资源进行配置以达到协同工作的目的.报警信息是组态软件最重要的信息之一,其作用是为了指示报警对应部件的状态或者故障.该文主要研究组态软件中对报警信息的处理,从而实现了对报警信息的获取、实时显示、处理与报警(现场、远程)和记录等过程,实现了短信、电话语音、邮件以及网络等多途径报警方式.该文中以独立于组态软件开发了远程报警系统RAS(remote alarm system),以面向对象的方式对报警信息统一处理,实现了远程监控报警甚至无人现场值守的功能,并以实际应用案例证明其可用性与可靠性,具有良好的应用前景. 相似文献
2.
基于关系数据库的实时数据压缩探讨 总被引:1,自引:0,他引:1
基于关系数据库,探讨实时数据在关系表中的压缩存储和访问技术.采用Oracle数据库内部语言,对给出的压缩方法加以实现.程序运行结果表明,针对大量的实时数据具有良好的压缩效果,压缩后数据量急剧减少,在数据时间间隔频率不高和采集点数较少时,给出的方法可作为实时数据库的替代方案. 相似文献
3.
4.
针对鸡群算法在求解高维复杂优化问题时收敛速度慢、寻优精度不高、容易陷入局部最优等不足,结合遗传思想,增加公鸡和母鸡交配、变异产生新小鸡的概念,并设定交配周期和小鸡淘汰更新周期,利用交叉、变异算子对算法进行改进,得到一种改进的鸡群算法。通过对10组基准函数的实验结果进行分析,相比于标准鸡群算法和其他两种目前比较流行的群体智能优化算法,提出的改进鸡群算法在寻优精度、解的质量、收敛速度、稳定性及鲁棒性等方面优势明显,具有良好的性能。 相似文献
5.
自适应步长布谷鸟搜索算法 总被引:1,自引:1,他引:1
布谷鸟搜索算法(CSA)是一种新颖且简单、高效的生物启发式算法。针对标准算法存在后期收敛速度慢、易陷入局部最优等问题,提出了一种新的自适应步长布谷鸟搜索算法(ASCSA)。通过自适应调整莱维飞行步长使算法在前期拥有较大的寻优空间,提高全局搜索能力;步长随迭代自适应减小,算法的局部开发能力增强。针对偏好随机游动,引入动态惯性权重和记忆策略后,算法能够充分利用历史经验,稳定性得到提高。实验结果表明,改进后的布谷鸟搜索算法的各方面性能较标准算法及相关改进版本都有显著提高。 相似文献
6.
在面对流程工业存在的多参数、强非线性和富含复杂机理等问题时浅层算法的学习能力有限,故将深度学习理论引入过程工业预测建模中。而针对单个深层网络对多样性数据的特征挖掘困难,本文提出一种改进的堆栈式自编码器。该方法首先通过聚类算法对输入数据属性进行聚类,按结果将数据分类后输入并行的稀疏自编码器中进行特征的模块式提取,并行输出经整合后输入至叠加的深度网络中,联合这些特征再进行逐层学习得到拟合结果。为减轻过拟合带来的预测误差,将"dropout"方法引入网络训练中。在加氢裂化的预测建模研究中,所提出的算法具有比其他方法更好的预测水平和泛化能力。 相似文献
7.
针对决策树与SVM算法融合问题,提出一种基于SVM最优决策面(ODS)构造决策树的方法。通过研究ODS形状位置特征与其属性分类能力的关系以及属性分割点的数目、位置与决策树大小、分类误差的关系,给出基于ODS形状位置特征的属性重要性度量方法与属性最小分割点数的确定方法,进而得出了ODS逼近决策树决策面的误差模型,最终实现ODS对决策树决策面的有效逼近,并用于多类别决策树的构造。典型数据集的计算结果表明,与C4.5算法相比,所提出的决策树构造方法平均分类误差可减少60%以上,显著提高了决策树的泛化能力。 相似文献
8.
针对化工生产反应过程复杂,难以直接建立对应的机理模型,提出了一种基于ISOMAP-ELM的软测量模型。将等距离映射与极限学习机结合,通过等距离映射对输入数据进行降维,消除输入数据的共线性,在低维空间提取更具代表性的特征分量,最后对特征分量采用极限学习机训练,以此建立软测量模型。验证结果表明,所提出算法与传统的基于ELM以及基于欧式距离降维的MDS-ELM模型相比,具有更高的预测精度,模型的均方误差仅为0.28,软测量模型的命中率达到94%,对化工生产具有一定的指导意义。 相似文献
9.
针对C/S结构的SCADA系统软件开放性差的问题,采用B/S三层架构模式,利用微软公司的ASP.NET AJAX框架,结合ADO.NET技术,设计并实现了基于Internet的化工储罐在线监测系统。阐述了在线监测系统的基本结构框架设计,并对各功能模块作了描述,同时运用客户端编程模型实现了页面无刷新地显示实时数据。实际表明,系统运行稳定,可供大量用户在线使用。 相似文献
10.
以化工行业生产设备的故障诊断为研究背景,探讨了故障诊断的研究现状和研究方法。为了提高故障诊断的准确度,将模糊C均值算法与神经网络相结合,提出了基于聚类神经网络(FCM-ANN)算法的故障诊断方法。该故障诊断方法能显著降低数据集的复杂度,在一定程度上减轻了神经网络学习的压力。与传统的神经网络方法相比,该故障诊断方法的诊断率有了较大提高,误报率和漏报率也较低,诊断效果较为显著。对该故障诊断方法的有效性和实用性进行了验证,即在某化工企业故障诊断系统平台上进行了测试和使用。将该故障诊断方法运用到该企业的故障诊断系统中,从数据采集、数据处理出发,对如何在系统中使用FCM-ANN算法进行了阐述。运行结果表明,该系统提高了系统的准确率,增强了系统的实用性。 相似文献