嵌入式系统中基于Web的远程监控设计与实现

以嵌入式技术为核心,采用协议裁剪与小型化技术,设计了一个含有CGI接口的轻量级Web服务器,将底层设备通过Web方式接入互联网,实现了基于B/S方式的远程设备监控.该方案界面友好,易于维护、扩展性好,与传统方法相比极大地扩展了人类控制设备的能力.     

湿法磷酸中铁的泡沫浮选净化研究

采用泡沫分离技术净化湿法磷酸除铁是一种新工艺。用正交试验设计法组织实验，结果表明，在实验所研究的范围内，络合剂对泡沫分离净化湿法磷酸除铁有特别显著的影响，含氮助剂以及络合剂和含氮助剂的交互作用对除铁有一定影响，其余因子的影响不大。     

基于LabVIEW的碳纤维纱线织造损伤状态图像检测算法

为了解决碳纤维织造过程中纱线损伤状态检测问题,基于LabVIEW图像处理模块,研究了适合检测纱线损伤状态的图像处理算法,并依据这些算法对纱线图像进行实时处理,从而获取纱线损伤状态部分评价参数。依据边缘检测算法分析了纱线边界属性,判断织造过程中纱线是否断裂;依据轮廓分析算法获取了纱线的实际轮廓,与理想的轮廓对比得到二者的差异程度;依据粒子分析算法分析了纱线中未起毛的区域面积,从而间接获取织造过程中的起毛面积值。获得的这些基础参数,可为后续研究纱线损伤状态提供重要参考,有助于调整碳纤维织造工艺、提高产品质量和织造效率。     

基于集对分析的城市供水管网漏损预测及降漏研究

为了降低管网漏损水平,保障城市供水安全性和可靠性,以云南省某城市典型供水片区作为研究对象,运用集对分析漏损预测模型（SPA LF）,从供水管网漏点数和漏点率两个方面分析了不同管材漏损的实际情况,预测未来不同管材的漏损趋势。该研究能够提高供水企业主动检漏水平与供水安全可靠性,降低管网漏损率与供水成本。     

遗传算法优化BP神经网络的异丙酚血药浓度预测

针对静脉麻醉异丙酚时变性强,房室结构复杂的特性,经典的非线性混合效应模型参数估计法存在变量繁多,人为因素多等弊端,而BP神经网络又存在极易陷入局部极值,网络训练不稳定致使预测误差大。利用遗传算法优化BP神经网络的权值和阈值,调整神经网络中异丙酚血药浓度和时间、病人年龄、体重、身高、体表面积、采样时间、总剂量、注射率的关系,然后建立异丙酚血药浓度预测模型,并与NONMEM方法、BP神经网络进行比较。比较结果,GA-BP网络的平均误差为1.2%,BP网络的平均误差为29.59%,NONMEM为14.61%,GA-BP网络的绝对平均误差15.76%,BP网络的绝对平均误差31.9%,NONMEM为22.99%。实验结果表明:GA-BP网络对于半衰期较短的麻醉药物异丙酚药物具有较好的非线性拟合能力和更高的预测准确性。     

类Lorenz系统的非线性动力学研究

通过理论计算和数值模拟分析了两类类Lorenz系统的非线性动力学行为。从耗散性、平衡点、不变集、波形图、吸引集等方面展示了该系统的丰富的动力学特性。最后给出了相应的计算机模拟。     

新型玉米茎秆粉碎灭茬机的田间粉碎试验

以新型玉米茎秆粉碎灭茬机为研究对象,选取刀辊转速、机组前进速度、动刀倾角为三个试验因素,以粉碎合格率、粉碎功耗为试验指标,采用正交试验的方法,在田间对玉米茎秆和根茬进行了粉碎试验,分析茎秆粉碎灭茬机结构、运动参数对粉碎质量、粉碎功耗的影响。试验结果表明:刀辊转速和机组前进速度对粉碎功耗和粉碎合格率的影响都是显著的;动刀倾角对粉碎功耗的影响是显著的,对粉碎合格率是不显著的。最优组合为刀辊转速480 r/m in,动刀的顷角为6°,机组前进速度为2.45km/m。     

有机肥对蕨麻生长及块根产量的影响

以蕨麻为研究对象,观测了不同有机肥水平对其生长和块根产量的影响．试验结果表明：施入有机肥对蕨麻基株的复叶数、复叶长度,匍匐茎数量无显著影响,但可以显著提高匍匐茎的长度、粗度和分株数．有机肥能明显提高蕨麻块根的产量,其中c处理的产量最高,比对照增产55．61％;B、D、E处理分别比对照增产14．09％、21．56％和27．10％．     

漂浮基空间机器人固定时间收敛主动容错控制

针对载体位置不控、姿态受控的空间机器人存在执行机构存在失效及偏置故障的轨迹跟踪问题,设计了基于固定时间收敛的主动容错滑模控制算法。首先结合拉格朗日法推导出了包含力矩偏置及力矩失效故障的空间机器人系统动力学方程;其次,为消除故障对系统稳定性的影响,引入扩张状态观测器,以实现对故障的动态观测,并在此基础上设计基于固定时间收敛滑模控制器以实现主动容错控制。所提方法具备收敛时间与系统初始状态无关,仅需调节控制参数即可保证系统轨迹在固定时间内收敛的优点。最后通过仿真验算,仿真结果表明所提算法能对故障进行精确观测并在失效故障和偏置故障发生条件下保证系统轨迹精确跟踪及稳定控制,同时相较于其他算法所提算法收敛时间更短,稳态误差更小以及拥有出色的故障观测能力和更强的容错控制能力。     

基于MapReduce的封闭立方体并行计算方法

封闭立方体是一种非常有效而重要的数据立方体压缩技术,目前还缺乏对其并行算法的研究.为此,文中提出一种采用C-Cubing方法并通过MapReduce并行模型进行并行化的新方法.该方法首先在Map过程中对各个数据分块计算出数据单元的代表元组和封闭掩码,然后在Reduce过程中进行聚合以获得封闭单元.实验结果表明,文中方法能有效地提高在大数据集上计算封闭立方体的速度.