药粒分装机的计算机控制

设计一种药粒分装机的计算机控制器,对控制器的结构、特点、各工序的控制的实现,工作原理进行了详细分析。     

基于机器学习的比特币实体分类方法研究综述

比特币是一种去中心化的电子加密货币,交易地址的匿名性隐藏了交易用户的真实身份,导致比特币被一些不法分子应用于各类非法活动中。通过分析已知实体的交易属性和行为特征,利用机器学习的方法可以对未知实体的交易类别进行预测。本文首先概述了比特币实体类别及分类标签的来源;其次,分析和归纳了基于机器学习的比特币实体分类方法;最后,分析了现阶段面临的主要问题,并对未来的发展趋势进行了展望。     

基于ANN模型的内冷型溶液除湿器性能研究

溶液除湿器因可被低品位热能驱动,且具有除湿效率高等优点而受到广泛关注,但其传质性能的预测准确度还有待提高.本文搭建了单通道内冷型溶液除湿实验平台,研究了不同参数对于除湿过程中传质性能的影响,同时,建立了基于MATLAB平台的人工神经网络（ANN）模型用于预测传质性能,并用上述实验数据对该ANN模型进行了验证.结果表明,ANN模型预测得出的Sh与实验Sh平均绝对相对偏差（MARD）为4.07%.与现有经验公式相比,建立的ANN模型预测精度更高.此外,还利用ANN模型研究了不同参数变化下的Sh的变化趋势,从而分析不同参数对除湿性能的影响.     

基于机器视觉的芒果检测与分级研究

为了提高贵妃芒果检测与分级的准确率和效率,首先用标定好的工业相机对芒果进行拍照,然后使用HALCON对芒果图像进行灰度化和图像分割预处理,接着提取芒果面积、果形指数、成熟度、缺陷面积和缺陷个数5个特征参数并归一化,把它们分别作为GMM、MLP、SVM和KNN分类器的输入向量,并以芒果的4个等级作为分类器的输出向量,最后以每级120个训练样本,60个测试样本分别对4种分类器进行训练和测试。结果表明4种分类器的平均准确率依次为92.5%、93.75%、98.75%和98%,准确率较高,有一定的实际应用价值。     

基于VMD和IBA-LSSVM的短期风电功率预测

为了提高风电功率预测精度,提出了一种基于变分模态分解(VMD)和改进的最小二乘支持向量机(LSSVM)的短期风力发电功率预测新模型。利用VMD将功率历史数据分解成趋势分量、细节分量和随机分量以降低原始数据的复杂性和不平稳性,然后建立IBA-LSSVM预测模型,利用改进蝙蝠算法(IBA)对最小二乘向量机的参数进行优化,并分别对各个子模态进行预测,叠加子模态的预测结果以得到最终的发电功率预测值。对宁夏某风电厂功率预测结果证明了该模型的有效性,通过不同预测模型的对比验证了模型具有较高的预测精度。     

聚类成员簇个数的选择方法研究

聚类成员簇个数的选择对聚类集成的结果有显著影响,但目前尚无此方面的系统研究。因此,通过系统比较不同的簇个数选择方法,确定较优的聚类成员簇个数选择方法。首先对5种常见的簇个数设置方法及其性能进行分析与比较。结果表明,当簇个数k等于实际标签数k~*时,得到的聚类集成结果最好。进一步探索更优的簇个数设置方法,从k~*～2k~*中选取6个较短的区间作为簇个数的选取范围,并将聚类集成的结果与使用k~*得到的结果进行比较。在基准数据集上的实验结果表明,当聚类成员簇个数与真实标签数据集中的类数相等时,获得的聚类集成效果最好。     

机械磨细对新疆和田地区火山岩粉活性影响试验

为了提高新疆和田地区火山岩粉的活性,拓宽其在混凝土工程中的应用,借鉴目前常用的机械磨细的球磨方法,使粉体材料更加细化,并改善其颗粒分布。对4种细度的火山岩粉,采用勃氏法测试其比表面积,激光粒度法分析其颗粒级配及分布,多龄期胶砂强度指数法去验证掺加该火山岩粉后的胶凝体系宏观力学性能变化,最后用SEM及EDS观察分析微观形貌及产物,揭示微观变化与宏观强度,即火山灰活性提升的关系。试验结果表明:机械磨细的方法可以有效地改善火山岩粉的颗粒分布,比表面积每增加80 m²/kg左右则小于50%通过率颗粒粒径减小0.6~0.8 μm;掺火山岩粉胶凝体系随龄期的延长,宏观上其抗折强度和抗压强度均有持续的提高,而且抗折强度增加速率更快,但强度增加随火山岩粉变细而增长的幅度放缓。根据宏观力学性能的变化及SEM及EDS的微观观察分析,得出结论:机械磨细可提高火山岩粉活性的主要原因为颗粒变细的“微集料”填充作用,以及其参与水泥基体系水化反应能力的提升。     

PSO-ELM在低压系统短路电流峰值预测中的应用

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、 ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法.     

基于FIG和GWO-SVM的灌浆功率时序预测

为更好地预测灌浆功率时序,建立基于模糊信息粒化(FIG)和灰狼优化支持向量机(GWO-SVM)的灌浆功率时序预测模型。首先,引入信息粒计算方法,将原始详尽的时间序列数值点分解为一系列信息粒,以减少模型的数据输入总量;其次,基于模糊集理论,采用模糊集算子对每个信息粒进行模糊计算,使得到的模糊信息粒可以合理地表示原始数值点集;最后,以支持向量机作为预测工具,并采用灰狼优化算法进行参数寻优,对产生的模糊信息粒进行快速准确的预测。结合实际工程,应用该预测模型对灌浆功率的波动范围和变化趋势进行预测研究,经过性能评价和对比分析,验证了模型的有效性和优越性。     

融合倾斜仪数据的盾构姿态严密解算模型

推导了倾斜仪与盾构的严密标定模型;将倾斜仪采集的双轴角度数据视为平面点云,推导了倾斜仪角度数据的稳健估计方法;在前述模型方法的基础上,利用最小二乘配置方法建立了倾斜仪与棱镜数据融合的严密联合解算模型.最后,通过试验对上述模型方法进行了分析验证.结果证明,提出的盾构姿态解算模型正确可行.