大数据分析的认识特征

随着云计算等巨型、智能化工具的产生,大数据分析在我们的生产和生活中的作用越来越大,大数据分析展现为点状、预测和量化的认知结构。大数据分析虽然是对相关关系的分析,但它是通过对群集现象的搜集、记录和建模而完成的,大数据分析只是人类认知模式中的一种,并且是撇开定性的因果解释的定量分析的一种,它同质性的因果分析一起构成了人类认识方法的两翼,它不可能替代更不可能消解人类认识最为本质的因果解释。不管大数据分析今后何等智能化,它永远是人类操作和控制的计算工具。     

具有非线性PTO的波能装置水动力及获能分析

运用计算流体力学(CFD)方法对系泊双浮体波浪能装置的水动力及PTO(动力输出装置)非线性出力特性进行模拟和分析,利用VOF(流体体积分数)方法结合动网格及刚体求解技术模拟波浪生成及浮体运动,分析了不同速度指数的非线性动力输出装置下波浪能装置的水动力及获能特性,并与线性PTO的特性进行对比.在此基础上提出一种组合控制模式,可使波浪能装置在较大的PTO阻尼系数范围内维持较高的俘获宽度比.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

自适应光纤自动切换保护检测仪的设计

传统光纤自动切换保护装置存在光功率在线监控精度低、保护倒置模式不可自适应配置等缺点,为此,设计了一种新型的光纤自动切换在线检测仪。新方法利用熔融拉锥型工艺将输入端进行90%︰5%︰5%分光,90%光作为业务光透传,5%光进行功率测量,5%光用于光保护倒置电路设计。光功率测量采用独立光路,并使用低暗电流、高响应度的InGaAs-PIN光电探测器进行光电转换,功率在线检测误差精度设计小于0.2 dBm;使用嵌入式单片机控制,光保护装置内置在线可调电压DAC,迟滞比较器的比较电压动态可调,从而实现任意功率自适应跳变的功能,解决传统光纤自动切换不可配置的缺点。     

基于小波分析对地面电场信号的去噪及闪电信息提取

基于小波分析方法,通过对7种小波函数在误差控制和阈值方法选取上的对比,参考信噪比及均方误差等计算结果,选取了较为合理的Rigrsure阈值分析方法和sym5小波函数作为地面大气电场信号的去噪处理方法.该方法不仅能够较好地对电场信号波形平滑处理,降低电场波形中噪声信号的叠加度,还可保留闪电引起的电场的快速变化.在此基础上,利用差分计算方法实现了对闪电信号的自动识别,引入了总闪电频数误差及分时段闪电频数与人工分析结果的相关系数等2个参考量来选取差分计算方法中电场差分阈值,通过该方法可以实现闪电频数和极性等有关信息的提取.