手持式电能质量分析仪LEM 3PQII在通信领域的应用

随着中国经济的高速发展,中国的通信事业也得到翻天覆地的变化。为了适应市场的需求,通信领域也增加了基础设施的建设和投入,增加了许多新型高科技产品,这些产品对供电质量的要求也越来越高。另外,为了提高市场竞争的优势,确保通信的稳定,对供电电源能够稳定供电的要求越来越高。通信领域的供电方式大致包括:引进市电进入开关柜,再进入通信电源,再给各种设备供电。为了确保供电可靠,蓄电池、UPS或油机作为备用电源。通信领域目前使用了大量非线性负载设备,包括通信电源、UPS、油机、大功率空调(甚至变频空调)、电梯、计算机以及交换机等,…     

具有负载分享的P2P IPTV重迭网络的设计

针对在IPTV服务中当网上收视人数大规模增长时网络带宽消耗及服务器负载大大提高的问题,提出了利用P2P(Peer-to-Peer)概念中的应用层群播所形成的重迭网络来解决IPTV负载分享的问题,并通过P2P中Chord路由算法,加速构建与寻找对应的群播代理人节点。实验证明将Chord与应用层群播代理人做有效结合,可以提供用户具有服务质量、扩充性与负载分享的全方位P2P IPTV服务。     

基于VC和三菱MX组件的数据采集系统

介绍了在VC++6.0环境下,利用三菱MX组件实现工业控制计算机与三菱Q系列PLC的通信的方法。该系统完成了数据的实时采集和动态显示,为用户提供了一个可视化的界面,并将数据通过ADO接口保存到数据库中。本文主要阐述了利用MX组件进行编程的一般方法和相关要点。     

基于正则化技术的对支持向量机特征选择算法

对支持向量机(twin support vector machine,TWSVM)的优化思想源于基于广义特征值近似支持向量机(proxi mal SVMbased on generalized eigenvalues,GEPSVM),问题解归结为求解两个SVM型问题,因此,计算开销缩减到标准SVM的1/4.除了保留了GEPSVM优势外,在分类性能上TWSVM远优于GEPSVM,但仍需求解凸规划问题,并且,目前尚无有效的TWSVM的特征提取算法提出.首先,向TWSVM模型中引入正则项,提出了正则化TWSVM(RTWSVM).与TWSVM不同,RTWSVM保证了该问题为一个强凸规划问题.在此基础上,构造了TWSVM的特征提取算法(FRTWSVM).该分类器只需求解一个线性方程系统,无需任何凸规划软件包.在保证得到与TWSVM相当的分类性能以及较快的计算速度上,此方式还减少了输入空间的特征数.对于非线性问题,FRTWSVM可以减少核函数数目.     

大型球形储罐现场组焊质量控制研究

介绍了对大型球形储罐现场组焊质量控制的研究,从焊工管理、焊接材料、焊接工艺评定、焊接工艺规程、焊接环境、焊接预控、焊接质量检查、焊缝返修、产品焊接试板等方面进行了阐述.     

小型CPL用高性能烧结毛细芯的研制

采用粉浆浇注工艺和氢气还原烧结工艺研制小型CPL用烧结镍毛细芯，通过优选粉浆液固比、添加剂的种类与数量、浆料pH值等参数制备了符合设计要求的烧结毛细芯。测试了毛细芯孔径、孔隙分布特征、孔径分布、孔隙度、渗透率等性能参数，分析了烧结气氛、温度、时间对毛细芯性能的影响。试验结果表明，研制的毛细芯孔隙度在68％以上，孔隙尺寸约4μm，渗透系数在10^-12～10^-13m^2之间。     

国税委托邮政代开发票系统的设计与实现

湖南省国税局为进一步方便纳税人、减少税收的流失、同时减轻国税大厅的开票压力,委托湖南邮政进行代开国税发票,以此提高自身服务质量;湖南省邮政具有百年诚信的品牌优势和无可比拟的网点渠道优势,遍布全省各个乡镇的邮政网点,能够满足纳税人就近开到发票,提供双方合作的契机,满足了客户需要的同时,最终实现双赢。本文从系统项目背景、实现目标、系统结构、主要功能等各个方面进行阐述,描述了代开发票系统的实现。     

基于CDR数据库快速查找单分支邻区漏配的方法

基于CDR数据库查找漏配的单分支邻区是利用SQL语句查询CDR数据库中的掉话事件，结合掉话前上报的最后一条PSMM分析掉话原因，进而快速查询到单分支邻区漏配小区，该方法适用于所有制式的CDMA网络。     

基于组件特征与多注意力融合的车辆重识别方法

为提升车辆重识别算法的性能,提出一种基于车辆组件特征与多注意力融合的特征学习方法.首先,修改深度残差网络以获取具有丰富语义信息的特征图,同时应用语义分割网络将车辆图像划分为车辆正面、背面、顶面、侧面及背景区域,以实现组件特征提取并消除视角变化的影响.然后,设计多注意力融合模块,基于面积注意力与特征注意力实现组件特征的自适应融合.最后,在多任务学习框架下,优化车辆重识别的三元组损失与辅助分类任务的交叉熵与焦点损失,对网络参数进行训练.在多个数据集上的实验结果表明,提出的方法在大多数性能指标上均超越了现有方法.进一步的消融实验证明了多注意力融合模块与多任务损失函数在特征提取上的有效性.     

基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法

为了有效降低因驾驶员紧急换道行为而诱发的交通事故,提高道路交通事故链阻断效率,提出一种基于高斯混合隐马尔科夫模型（GMM-HMM）和人工神经网络（ANN）的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识,采用ANN预测下一时段的驾驶行为,再预测换道过程中的横向加速度变化率,从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明,该方法预测避险成功率达92.83%,实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。