巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于三维点云的岩体结构面自动分类与参数计算

结构面间距是岩体稳定性和力学特性分析中的一个重要参数，在岩石力学、采矿工程、边坡监测等领域的数值计算中广泛应用.本文以岩体边坡露头为研究对象，基于非接触测量获得的三维点云数据，提出一种基于密度聚类的结构面细化分类方法；在结构面粗略分组提取的基础上，通过投影变换、散乱点拟合等算法，求得结构面间距和岩体体积节理数.设计开发了结构面细化分类及间距等参数计算与分析原型系统，实际案例分析表明，本文方法可有效实现结构面的自动细化分类，并能够计算出间距等相关参数，可为岩体质量分级和岩体稳定性分析等提供方法支撑.     

服装款式设计零部件数字化问题

指出服装款式设计数字化的根本问题在于服装零部件的数字化。从图形图像选择、服装零部件图形化定义、服装零部件数据结构定义、服装零部件拼接、服装饰物处理几方面讨论服装零部件数字化构思，分析现存问题并展望前景。     

APCI5000电气自动化成套装置设计

电气自动化成套装置种类繁多，并广泛应用于电力系统．结合现场实际商业运行期所积累的经验，并根据市场预测以及目前工控机发展动态，提出了采用APCI5000工业控制计算机实现电气自动化成套装置设计的最佳方案．     

一种新型自学习智能控制器研究

本文结合工程实践经验，基于传统控制方法和智能自学习控制思想，提出了一种切实可行的新型智能控制器，并应用锥稳定性定理为闭环系统建立了稳定性分析，给出了ｌ２稳定性结果。     

工艺规划系统中动态模式分类的研究

提出了工艺规划系统中动态模式分类（pattern classification）的概念，介绍了模式分类判定树和动态模式分类的基本原理，并对动态模式分类的聚类质量标准进行了研究。动态模式分类是基于实例归纳（case based reasoning,CBR)的自动分类过程，具有自学习和自完善的功能。     

EJK951型油水界面传感器在油田中的应用

结合生产实际 ,从不同角度分析了油田生产中油水界面的特性 ,简要介绍了EJK95 1型油水界面传感器的工作原理、特点及在油田生产中的应用情况 ,该表是基于传统的电容式传感器原理 ,结合现代微电子技术而研制生产的一种新型油水界面传感器 ,具有结构简单、测量精度高、稳定性好等特点 ,是油水界面测量中的优选仪表。①     

PLC在双动压力机控制系统中的应用

PLC应用:ROL(027)循环左移指令、ROR(028)循环右移指令完成自动与手动控制,INC(038)BCD码加1指令完成单次控制,@ROR(028)微分循环右移指令完成循环控制,DIV(033)BCD码除法指令完成安全工作报警控制.     

Solving Non-Uniqueness in Agglomerative Hierarchical Clustering Using Multidendrograms

In agglomerative hierarchical clustering, pair-group methods suffer from a problem of non-uniqueness when two or more distances between different clusters coincide during the amalgamation process. The traditional approach for solving this drawback has been to take any arbitrary criterion in order to break ties between distances, which results in different hierarchical classifications depending on the criterion followed. In this article we propose a variable-group algorithm that consists in grouping more than two clusters at the same time when ties occur. We give a tree representation for the results of the algorithm, which we call a multidendrogram, as well as a generalization of the Lance andWilliams’ formula which enables the implementation of the algorithm in a recursive way. The authors thank A. Arenas for discussion and helpful comments. This work was partially supported by DGES of the Spanish Government Project No. FIS2006–13321–C02–02 and by a grant of Universitat Rovira i Virgili.