MIS网络化中的几个技术问题

随着计算机技术特别是网络技术的飞速发展,要使传统意义下的ＭＩＳ系统能够在网络环境下运行,就必须对原有ＭＩＳ系统网络化。这一问题是当今计算机界重要的热点问题。文中介绍了客户／服务器方式、浏览／服务器方式的体系结构问题;多机操作时,数据的独立性、一致性和唯一性问题;以及系统的安全机制及实现等技术问题     

海底管线涡激振动响应动力特性

海底管线管跨段的涡激振动,尤其是管跨在涡激振动下的频率锁定现象,是引发海底管线断裂失效的主要因素之一．通过对不同尺寸管道在不同流速条件下的漩涡发放频率、结构自振频率以及振幅的测量实验,找出了圆形管道在稳定流中涡激振动的规律,提出了由约化速度来控制涡激振动的方法为了将模型实验结果与理论计算结果进行比较,建立经验参数与不同实验条件下的物理参数之间的关系,利用尾流振子模型方法计算模型的涡激振动动力响应．通过模型实验说明尾流振子模型方法求解管道涡激振动的可行性,计算结果与实验结果吻合较好．     

一种使用遗传算法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法．设计人员只需设置性能指数或适值函数,而模糊规则的数目、隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成．描述了一种具有局部优化机制的遗传算法,给出的应用实例表明该算法具有良好的适用性     

二阶微分包含的边值问题及其应用

在可分的Banach空间中,讨论了一类二阶微分包含的边值问题和一类反馈控制问题.结合不动点定理,对解的存在性和状态控制对的存在性分别给出了充分性条件.     

大型海上浮吊吊臂桁架结构光纤光栅实时监测系统研究

针对大型海上浮吊吊臂桁架结构的健康监护,提出基于光纤光栅传感的大型海上浮吊吊臂桁架结构健康监测系统。从大型海上浮吊吊臂桁架结构的金属特性出发,研发粘贴式光纤光栅应力传感器。通过实验验证粘贴式光纤光栅应力传感器的温度补偿,提出低通滤波温度补偿方案,开发基于光纤光栅传感的大型海上浮吊吊臂桁架结构健康监测系统,初步实现光纤光栅波长测量与显示、数据接收与显示、应力分析与显示、起重数据显示、称质量标定、系统设置、专家分析、数据统计和用户设置共9类功能。     

一种基于深度卷积神经网络的摄像机覆盖质量评价算法

随着视频监控系统的大规模普及,视频监控系统的效用评价成为一个重要的研究课题.当前视频监控系统评价只考虑了摄像机的覆盖率,缺少对摄像机覆盖质量的量化评价.该文提出了一种基于深度卷积神经网络的监控摄像机覆盖质量评价算法.将摄像机覆盖质量评价问题转化为对摄像机所采集视频帧的质量评价问题,探讨了基于视频帧的摄像机覆盖质量等级的分级策略,标注了一个摄像机视频帧质量等级数据集; 设计了一种新颖的多维标签赋值方法,利用深度卷积网络学习鲁棒的视频帧表示,进一步基于支持向量回归机(SVR)学习视频质量回归函数,从而实现对摄像机覆盖质量的鲁棒估计.实验结果表明:该算法能够准确地对监控摄像机的覆盖质量进行自动评测,有效监测了摄像机监控质量的实时变化.     

基于Excel的电子元器件可靠性预计电子手册的研究

电子元器件可靠性受多种因素的影响,尽管可以通过查询电子元器件可靠性预计手册得到元器件可靠性参数,但是查询繁琐,计算复杂.通过运用Excel,对电子元器件可靠性预计电子手册进行了开发,实现了手册的电子化,使电子元器件的可靠度查询变得方便快捷.指出该软件具有广泛的应用前景.     

关于二元幂等矩阵多项式的群逆

利用幂等矩阵和核空间的性质,讨论了复数域上两个幂等矩阵P和Q在条件(PQ)n=(PQ)nP下的一类矩阵多项式的秩和群逆的相关问题,并且得到了其可逆的一些充要条件.     

基于小波变换的飞机电力作动系统故障诊断

电力作动系统是多电/全电飞机上完成各任务操作的最后环节,其工作状态直接影响飞行安全.针对飞机机电作动系统不同部件的故障信息处于不同频带的特点,提出一种基于"能量-故障状态"的故障诊断模式识别方法.通过小波包分解,把原始信号正交分解到不同的频带内,利用各频率成分的变化,选择合适的能量特征向量对各故障目标进行特征提取,从而建立能量变化到各故障原因和类别的映射关系,通过与对应故障特征向量的标准样本进行比较,即可得出电力作动系统当前有无故障和故障轻重程度的结论.通过匝间短路故障诊断仿真实例验证了该方法的正确性和有效性.     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。