基于模糊PID算法的净化空调监控系统

设计了基于模糊PID(比例积分微分)算法的药厂净化空调监控系统,该系统主要分为上位机、下位机、现场仪表和控制算法四个部分.上位机采用工业上常用的工控机,并使用组态王6.51进行软件编程;下位机使用西门子S7-200PLC及其扩展模块,并配以MT6070ih触摸屏进行操作,同时采用模块化的方法进行编程;现场仪表主要由JWSL-5ATD温度、湿度传感器、EE65风速变送器和ML7420A阀门执行器组成.设计了基于模糊控制和PID控制相结合的模糊PID控制算法,在PID控制的基础上,通过模糊规则进行模糊推理,查询模糊矩阵表进行参数自整定,从而实时调整PID各项参数,达到对系统的精确控制.运行结果显示:该系统与常规PID控制相比,超调量降低了9.1%,同时系统的调节时间减少了13.2%,大幅度提高了控制效果.     

冰箱压缩机性能自动测试系统的研制

介绍了CTS-1型冰箱压缩机性能自动测试系统的设计原理.该系统采用第二制冷剂量热器法测量制冷量,应用计算机技术以及高精度的测量和控制装置,实现压缩机性能测试中工况控制、参数检测、数据处理和报表制作等各项功能的自动化.     

陕西省可持续发展预警分析

目的计算陕西省近10年来经济、社会、人口、资源、环境及总系统可持续发展预警值,参照警界划分标准得出各年各系统的预警评价,并预测今后的发展趋势,为宏观调控和决策提供科学依据,促进生态环境与经济社会的可持续协调发展。方法采用层次分析法,建立可持续预警指标体系及预警模型,确定警界划分标准以及相应的警情信号系统,从定量的角度度量陕西省可持续发展状态。结果陕西省总体发展状况逐年提高,但发展水平低,尚处于初级阶段,系统比较脆弱,自我调节能力不强,环境、资源子系统的脆弱性对总系统影响逐渐凸显,必须对发生预警的年份做出反应,否则将威胁系统的运行。结论总系统可持续发展取决于环境、经济、社会各子系统交叉作用的结果,是以人为中心的发展。     

PECVD a-SiNx:H的~1H NMR研究

用质子核磁共振（1HNMR）方法对等离子体化学气相淀积非晶氢化氮化硅薄膜（PECVD－α－SiNx：H）进行测量,分析膜中H的含量和分布与淀积温度、射频功率等工艺条件的关系,以及退火的影响。     

高精度金属零件平面的研磨

本文论述的是把经过精车或砺磨的表面粗糙度为0.8～0.4的金属零件平面,在平面研磨机上用涂敷研磨法直接进行细研,可达到0.05～0.025,再用压嵌研磨法进行精研,可达到0.025～0.006。     

AutoCAD中粗糙度自动标注的实现

针对现行AutoCAD中缺少粗糙度标注功能,使用AutoCAD自带二次开发软件包VBA,充分利用AutoCADActiveX自动化对象模型提供的高效、快捷和功能强大的开发环境,实现AutoCAD环境下的机械工程图纸中的粗糙度标注.通过实际应用,证明该程序可快捷、准确地完成粗糙度的标注.     

基于二维数据的快速极大似然抽样一致性算法

对传统估计两幅图像对应点的鲁棒性算法进行了分析,指出了其基于一维数据的局限性.在一般的随机抽样一致性策略的基础上,提出了基于二维数据的极大似然抽样一致性(MLESAC)算法,并用每组对应点的匹配点数与匹配强度指导抽样过程.在预检验模型参数评估随机抽样一致性策略的基础上,增加了后检验步骤及自动更新局外点比例的步骤,以此对MLESAC算法进行加速.在对简单场景与复杂场景的实验中,分别使对应点数量提高了26 %和60 %,从而改善了场景重建的质量.     

基于遗传算法的神经网络算法研究

针对神经网络存在许多局部最小点，在某些初值的条件下，算法的结果会陷入局部最小等问题．文章将遗传算法和神经网络相结合，用遗传算法替代BP算法学习网络权值，并将其应用于聚类分析．计算结果表明，遗传算法和神经网络的结合将具有良好的全局搜索能力。     

基于图像去噪和图像生成的对抗样本检测方法

针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题,提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题,无须事先得知被攻击模型的结构和参数,仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先,采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声,还原图像的语义信息.然后,使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后,将前两阶段输出的图像输入卷积神经网络进行分类,通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明,相比于传统检测方法,本文提出的对抗样本检测方法的平均检测准确率提高6%~36%,F1分数提高6%~37%,训练收敛耗时缩减27%~83%,存在一定优势.     

对象迁移自动机在TDT中的聚类研究

对象迁移自动机(OMA)是一种能够较好地解决话题识别与跟踪(TDT)中聚类问题的方法,但是,传统OMA模型由于聚类速度慢等缺点,难以满足TDT实时和增量聚类的要求.针对这一问题,本文一方面改进传统的OMA模型中自动机的动作设计,同时提出文档选择策略,加快了OMA的聚类速度.改进的方法在中等文档集上进行了实验,实验结果表明,该方法具有较好的聚类效果.