智能露点检测仪检测方法的研究

介绍了双探头α透射式智能露点仪的工作原理,不同的仪表控制方案有其不同的控制精度和收敛速度,使用于不同的应用领域.着重说明了采用温度平衡动态扫描控制方式进行露点测量的实验方法和特点,并给出程序流程图.实验表明,该方法准确性高,稳定可靠.     

双频双馈异步机电源等效负载测温法

两台绕线转子异步电机通过一定的联接、仅用工频电源、实施异步电机温升试验,是一种可行的新型测温方法。 本文着重讨论该种测试方法物理模型的原理,用耦合电路的型态提出相应的数学模型;以及描述物理模型的等效电路,求解可得不同参数的异步电机所需要的副频;或反之对于不同的副频可得系统主、辅电机在该状态下性能估计。 实践证明:该种新型测温方法是可行的,通过样机的实测数据,结果都非常满意。     

均匀试验设计在遗传算法中的应用

介绍了在遗传算法中运用均匀设计产生初始种群的方法，指出由于遗传算法的交叉机制是完全依赖于初始种群的，所以初始种群的多样性对于遗传算法的收敛性是至关重要的．同时通过算例采用De Jong提出的验证方法验证了运用均匀设计产生初始种群能够增强遗传算法的收敛性．     

基于分形维数的多线索商标图案检索系统

采用基于内容的图像检索技术，根据查询图像和目标图像的相似度匹配进行图像检索，图像的内容由五种特征来描述：图像的分形维数、分形矢量、边界分形维数、骨架分形维数和距离分布直方图，系统界面友好、功能齐全，实验证明系统的检索效果比较理想，具有很好的平移、尺度和旋转不变性，并且只要查询图像在图库中，就一定能被检索出来，另外，系统还具有一定的鲁棒性。     

平面B样条曲线到四点法曲线的转换问题

研究了离散化B样条曲线的问题,提出了一个根据B样条曲线形状自适应地取样的方案,使B样条曲线可用四点法曲线近似表示,针对3次准均匀B样条曲线,找到一个效果理想、操作简单的取样方案,在参数区间上等距取3（n-1）个样本点（n为B样条曲线特征多边形的项点数）。     

判别分析中基于总体可分性的变量选择

讨论了判别分析中变量选取的方法，文中首先定义了反映总体间区另别的总体可分性，然后在此基础上给出了总体可分性函数，并且讨论了该函数的三个性质，根据此函数可以定义一个判别变量选取的目标函数，最后给出了可行的选取判别变量的算法过程。     

网络试题库智能成卷的研究

针对大学数学网络试题库系统的智能成卷过程，建立基于知识库支持和知识推理的成卷流程和数学模型，并将成卷流程划分为不同功能的模块，对实现成卷的智能化进行了较深入的探讨，成卷的结果分析表明成卷模型是可行的。     

基于LS-SVM的橡胶炭黑均匀度判定模型

为了减少橡胶生产过程中的废品率，需要间接、实时、准确地确定橡胶中炭黑的分散均匀度。基于结构风险最小化原则的支持向量机(SVM)是一种新型的机器学习方法，对于小样本决策具有良好的分类、推广能力．应用多元分类的最小二乘支持向量机建立了橡胶炭黑分散均匀度六级判定模型，并对实际数据进行判定，平均错别率下降到3．6％。结果表明该模型是可行的，并能快速、准确地判定橡胶炭黑的分散均匀度。     

参数优化GBDT算法的密封继电器材质识别

传统多余物微粒材质识别算法在判断金属和非金属微粒时,误判现象比较严重.本文将参数优化的梯度提升决策树算法(Gradient boosting decision tree,GBDT)应用于多余物材质识别.特征选择方面,在原有的脉冲面积、脉冲左右对称度、脉冲上下对称度、脉冲持续时间、脉冲上升占比、能量密度、脉冲占比、波峰系数、面积占比、频谱质心、均方频率、方差、过零点率和均方根差14个特征基础上,利用小波变换提取出了能量系数作为新的特征值,并建立新的样本特征集.然后结合机器学习方法训练得到基于GBDT多余物材质识别模型.为了使分类器性能达到最优,对其进行超参数调优.采用贝叶斯优化库中的分布式异步超参数优化模块(Hyperopt),并结合树形窗密度评估器(Parzen)可以获得模型的最佳优化参数.经过与K近邻(K-nearest neighbor classification,KNN)和支持向量机分类模型(Support vector machine,SVM)进行对比,结果表明,采用参数优化的GBDT算法对金属和非金属微粒具有很好的识别效果,能够有效提高其分类性能.     

三相异步电动机改进起动性能的研究

异步电动机的起动性能及精确定量计算是长期以来尚未解决的难题。本文针对JO_2电机研制中所暴露出来的起动问题,进行了理论分析与“诊断”。在研制中采用不同定子绕组的节距、转子斜槽度、槽配合等参量,对二十余台样机十二种方案进行了理论分析与试验验证,最终寻求出解决起动问题的最佳方案。