用于自动测试系统继电器矩阵开关的设计

针对目前现有的矩阵开关在性价比、可靠性以及通用性等方面不尽如人意,无法满足中小型自动测试系统的实际要求这一问题;设计了一种用于自动测试系统的继电器矩阵开关,给出了其设计原理、硬件电路图以及主程序流程图;系统搭建完成后,进行8次独立重复试验,测试结果显示:该继电器矩阵开关测试数据的最大误差为±0.3％,同时具有性价比高、通用性好、可靠性较高等优点,特别适合于中小型测试系统的电源通道和信号通道的切换与控制.     

基于混合PSO的高斯混合模型地形分类

提出了一种基于改进的混合粒子群优化(particle swarm optimization,PSO)算法的高斯混合模型地形分类方法。高斯混合模型的求解通常是使用期望最大化算法(expectation maximization,EM),然而EM算法易陷入局部最优,收敛速度不稳定且对初值敏感。因此引入混合PSO算法,并对其进行了一系列改进。实验结果表明:改进后的算法较其它优化算法提高了全局搜索能力和收敛速度,利用该算法求解高斯混合模型可以提高参数估计的精度,并且在户外场景图像的地形分类实验中所提出的地形分类方法也表现优良。     

水利工程质量问题探究及建议

质量是水利工程项目的生命线,加强工程质量控制,是水利工程建设的重中之重。当前水利行业迎来了前所未有的发展机遇,然而,水利工程建设的质量问题依然严峻。文章将着重分析水利工程质量问题的原因,并且提出合理建议,以期引起水利行业内外有关人士的思考。     

基于光伏电池输出特性的MPPT算法研究

为了寻找更好的实现光伏发电系统最大功率点跟踪控制方法,基于单个光伏电池的物理特性建立了太阳能光伏电池阵列的Matlab仿真模型,分析了太阳能光伏电池阵列所具有的随着光照强度和温度不同而变化的P-U和I-U非线性特性.基于光伏电池的动态特性,在最大功率点跟踪算法的设计中增加一个电流监测回路,并结合自寻优技术对电导增量法进行改进,提出了一种自适应变步长寻优算法.仿真结果表明,该算法能够快速准确的跟踪最大功率点.     

考虑储能寿命的风-光-火-储打捆外送系统容量优化配置

风光和火电打捆外送是新能源消纳的重要方式,如何确定其容量比成为难题。储能调节灵活,可以平抑新能源出力不确定性造成的影响,但频繁充放电会对电池储能的寿命造成影响。考虑储能的放电深度和循环次数建立了电池寿命量化模型,提出了计及储能寿命的风光火储打捆外送系统双层容量优化模型。上层以系统总成本最小为目标,下层以典型日调度成本最小为目标。利用机会约束处理新能源出力不确定性对系统备用容量的影响,基于序列运算将概率性机会约束转换为确定性约束,将问题转换为易于求解的混合整数线性规划问题。算例结果表明,配置储能可以有效降低系统成本。同时考虑储能寿命可以在保证经济性的前提下制定更合理的调度策略,延长储能使用寿命,验证了模型的有效性。     

基于多目标图像清晰度评价的LAMOST光谱仪离焦诊断方法

研究表明,当温度产生一定变化时,会导致大天区面积多目标光纤光谱天文望远镜（LAMOST）光谱仪的内部器件产生热诱导变形,引起CCD靶面上的图像离焦模糊,降低了天文数据测量精度,也大大增加了16台光谱仪的日常维护难度。基于LAMOST运行前拍摄的定标灯谱数据,提出了一种基于多目标图像清晰度评价的离焦诊断方法。该方法通过对不同离焦量下的定标灯谱图像进行分析,提取了一定数量的光斑的半高全宽（FWHM）及其总体分布情况,建立多目标图像清晰度与系统离焦量之间的离焦函数模型,实现对LAMOST成像像质的离焦诊断,为后续智能化主动补偿技术的实现提供了技术支撑。介绍了LAMOST光谱仪的工作原理及结构,给出了光谱仪对调焦精度的需求;详细介绍了光斑FWHM值的测量原理与多目标图像清晰度评价函数的构建方法。与传统图像清晰度评价函数的对比结果显示,文中方法具有更高的清晰度对比率与精度,对定标灯谱图像的离焦诊断误差在10 μm以内,有效降低了人为局部诊断带来的误差,提高了16台光谱仪系统一致性,有望提高LAMOST日常运行效率与光谱仪的长期稳定性。     

基于动态层次聚类的离散化算法的研究

连续属性离散化问题是机器学习的重要方面,是数据预处理问题之一.提供的基于动态层次聚类的离散化算法是层次聚类算法的一种改进.对该算法进行定性分析-对随机采集数据根据相似度进行聚类分析,得到论域的一种划分.通过实验表明,基于动态层次聚类的离散化算法对连续属性的划分更加合理,更加有效.     

“操作系统”课程教学实践环节思考

本文是教授"操作系统"课的心得体会。提出了对"操作系统"课程的一些思考以及对教材改革的思路,并且指出了传统的"操作系统"课程教学环节的弊端和实践环节在"操作系统"这门课中的重要性以及实践环节的多样性,最后指出要从培养高水平的创新性人才出发,研究教材改革的方向和思路。     

云计算环境下Apriori算法的MapReduce并行化

借助分割数据技术优化了经典的Apriori算法,实现了对候选项集的分组统计。给出了优化Apriori算法的MapReduce编程实现模型,达到了Apriori算法并行化的目的。实验结果表明,该算法能够大量减少键／值对的产生,提高了算法的效率,并且随着挖掘频繁项目集节点数的增加,算法的加速比成线性提高。