新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)模型 BP 算法的嵌入式礦壓檢測方法法，首先根據(jù)根據(jù)待檢測區(qū)域的地域情況，采用多個振弦式壓力傳感器進行測量；然后 ARM7 處理器根據(jù)系統(tǒng)任務(wù)個數(shù)建立相應(yīng)的進程；最后在建立的任務(wù)中打開定時器，輸出一個固定在某一頻率范圍內(nèi)的脈沖，經(jīng)過驅(qū)動激振電路，產(chǎn)生一個能對振弦式壓力傳感器內(nèi)部振弦起振的信號，同時使用 ARM7處理器對振弦式壓力傳感器返回的脈沖信號進行頻率測量，計算得到壓力值，最后，利用溫度傳感器采集振弦周圍區(qū)域的溫度，采用 BP 算法建立神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)模型對得到的各組壓力數(shù)據(jù)及采集的溫度數(shù)據(jù)進行學(xué)習(xí)，并根據(jù)神經(jīng)網(wǎng)絡(luò)模型找出壓力隨溫度的變化規(guī)律，對振弦式傳感器進行溫度補償。

本發(fā)明公開了一種面向超光譜數(shù)據(jù)庫的小波去噪算法，屬于超光譜數(shù)據(jù)的處理方法，用于對帶有噪 聲的超光譜曲線進行降噪。本發(fā)明順序包括小波降噪?yún)?shù)選擇、小波降噪。本發(fā)明在小波降噪?yún)?shù)學(xué)習(xí) 過程中充分考慮了超光譜數(shù)據(jù)庫中各種物質(zhì)超光譜曲線的特性，快速的選擇適合超光譜數(shù)據(jù)庫絕大多數(shù) 光譜曲線的小波降噪?yún)?shù)，然后使用選擇得到的參數(shù)對測量到的超光譜曲線進行降噪。該方法能快速的 針對各種不同應(yīng)用場景的超光譜數(shù)據(jù)庫選擇與之適應(yīng)小波降噪?yún)?shù)，提高了降噪的效果，提高光譜匹配 的準確率。

本發(fā)明公開了一種基于分裂算法的湖泊三維水動力-水溫-水質(zhì)模擬預(yù)測方法。構(gòu)建湖泊三維水動力-水溫-水質(zhì)模型，將湖泊離散成若干網(wǎng)格單元，并對網(wǎng)格采用 Arakawa-C 模式布置變量，基于分裂算法將湖泊三維水動力-水溫-水質(zhì)模型中各算子按照其物理波動過程的波頻快慢特性進行分類，對低頻慢過程算子采用顯式處理，對高頻快過程算子采用隱式處理，運用分裂算法分步離散求解模型，得到湖泊水域內(nèi)不同位置和時間的三維流場、水溫和水質(zhì)指標(biāo)濃度。本發(fā)明提出的基于分裂算法的湖泊三維水動力-水溫-水質(zhì)模擬預(yù)測方法能較準確地反映湖

本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動態(tài)信 號解調(diào)方法，包括：掃描得到光譜紋波；對光譜紋波進行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進行差分處理獲得差值信號；對光譜 紋波的極值點進行擬合獲得上下邊緣包絡(luò)曲線；對上下邊緣包絡(luò)曲線 進行差分處理獲得光譜變化函數(shù)，將差值信號與光譜變化函數(shù)進行歸 一化處理，獲得去包絡(luò)后差值信號，根據(jù)掃描速度和初始波長將波長 換算為時間，獲得去包絡(luò)后時域動態(tài)信號。本方法對紋波光譜及其擬 合曲線進行差分獲得動態(tài)信號，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動態(tài)

本發(fā)明公開了一種基于模糊 PI 算法的微電網(wǎng)并網(wǎng)逆變器的控制 方法。該方法包括：（1）采樣當(dāng)前電網(wǎng)電壓、當(dāng)前并網(wǎng)逆變器的輸出 電流和當(dāng)前濾波器的電容電流；（2）確定并網(wǎng)電流指令值；（3）調(diào) 整 PI 控制器的比例系數(shù)和積分系數(shù)；（4）通過修正后的 PI 控制器得 到濾波器的電容電流指令值；（5）通過 P 控制器得到并網(wǎng)逆變器的輸出電壓指令值；（6）產(chǎn)生控制信號控制并網(wǎng)逆變器開關(guān)管的通斷，在 并網(wǎng)逆變器的功率輸出端產(chǎn)生期望的輸出電壓；（7）重復(fù)（1）～（6）， 使并網(wǎng)逆變器的輸出電流始終跟蹤指令值。本

成果描述：旨在為大規(guī)模代數(shù)系統(tǒng)設(shè)計新型高效的求解算法，并結(jié)合信息科學(xué)進行交叉研究。在大規(guī)模代數(shù)系統(tǒng)新型Krylov子空間算法及其基礎(chǔ)理論、復(fù)雜電磁計算、圖像處理高性能數(shù)值方法、動力系統(tǒng)與智能控制理論方面進行了系統(tǒng)深入的研究，取得了具有創(chuàng)新性的成果，例如：解決了科學(xué)計算中的有關(guān)基礎(chǔ)或困難問題；提出了Lanczos雙共軛A-標(biāo)準正交短遞歸Krylov子空間迭代法BiCOR/CORS/BiCORSTAB方法、一種新的“二維雙連續(xù)投影(2D-DSPM)方法”等一系列高效算法；為求解復(fù)雜電磁問題產(chǎn)生的復(fù)雜線性系統(tǒng)設(shè)計了高效算法與預(yù)條件技術(shù)；提出了一些新型高效的邊界處理、圖像復(fù)原方法，具有更快的計算速度和更好的復(fù)原質(zhì)量；將數(shù)值代數(shù)與特殊矩陣分析和神經(jīng)網(wǎng)絡(luò)交叉研究取得成果。市場前景分析：本成果隸屬于計算數(shù)學(xué)學(xué)科的數(shù)值代數(shù)領(lǐng)域，是數(shù)學(xué)基礎(chǔ)理論研究。本項目著眼于科學(xué)與工程問題當(dāng)中的難于解決的數(shù)學(xué)問題的快速算法及其理論研究，在國民經(jīng)濟和國防安全的若干大數(shù)據(jù)領(lǐng)域具有重要的學(xué)術(shù)和應(yīng)用價值。因此，本成果不涉及經(jīng)濟效益，亦不涉及直接應(yīng)用。與同類成果相比的優(yōu)勢分析：主要成果發(fā)表在國際權(quán)威期刊上，構(gòu)建的新方法新理論得到了權(quán)威專家的高度評價，相關(guān)工作引起了國內(nèi)外同行的廣泛關(guān)注與引用。通過國際合作，本項目提出的相關(guān)快速算法已通過國際合作研究被法國INRIA、法國LAPLACE國家實驗室、荷蘭格羅寧根大學(xué)等國際知名研究機構(gòu)用于解決科學(xué)計算中的大規(guī)模代數(shù)方程組求解難題。

產(chǎn)品服務(wù):項目旨在設(shè)計出一款基于Dijkstra算法的高精度物聯(lián)網(wǎng)小區(qū)無人智能運輸車。該項目主要可分為兩個部分:實車與模型車的同步開發(fā)和基于eclipse平臺的APP開發(fā)。在實車和模型車的開發(fā)過程中，通過常規(guī)車載傳感器實現(xiàn)小車的“智能化”，利用Dijkstra算法解決最短路徑選擇問題。利用計算機語言完成在eclipse平臺上的APP開發(fā)，實現(xiàn)APP同時與實車和模型車的互聯(lián)，實現(xiàn)智能運輸小車運輸末端的配送。市場概況:本項目希望將來與各電商平臺合作，APP與電商、外賣軟件結(jié)合，將網(wǎng)上購物徹底融為一體；同時與互聯(lián)網(wǎng)公司合作，提升小車的智能化以及無人駕駛的精確度，真正做到在小區(qū)內(nèi)取代快遞員完成最后的運輸任務(wù)，并能提升效率、安全性，以及節(jié)省財力、人力，并初步形成小區(qū)內(nèi)智能化的高精度物聯(lián)網(wǎng)。  商業(yè)模式:本項目希望采用先試點后普及、先免費后收費的盈利模式。在四星及五星級小區(qū)先行免費試點，收集用戶反饋評價，統(tǒng)計滿意度。改進后逐步開啟按時效每戶收費，并最終普及三星級小區(qū)及更多居民居住區(qū)。

本發(fā)明公開了一種基于改進遺傳算法的配電網(wǎng)互動方案編制方法，根據(jù)具體的互動需求、配電網(wǎng)用戶的申報互動容量和互動成本以及互動用戶的功率和電量數(shù)據(jù)通過帶精英策略的非支配排序遺傳算法得到各互動用戶的用電曲線，并根據(jù)各互動用戶的用電曲線制定各互動用戶的參與互動的調(diào)度計劃。根據(jù)上述方法制定的調(diào)度方案，模擬各互動用戶的響應(yīng)行為。本發(fā)明通過帶精英策略的非支配排序遺傳算法合理安排需求側(cè)用戶的互動方案，降低配電網(wǎng)的峰谷差，減小新能源發(fā)電出力波動的影響從而實現(xiàn)配電網(wǎng)中電源、負荷的協(xié)調(diào)運行，達到配電網(wǎng)整體消納新能源以及可靠經(jīng)濟運行的目標(biāo)。

本發(fā)明公開了一種基于圖像分割的數(shù)字體積相關(guān)算法中邊界處理方法，該方法首先區(qū)分感興趣區(qū)域和背景區(qū)域，然后對要進行DVC計算的其中一套三維圖像進行圖像分割，分割為感興趣區(qū)域(VOI)和背景(BG)兩部分，在進行DVC計算時只計算VOI內(nèi)的計算點的位移和應(yīng)變；計算位移時，子體塊間的相關(guān)性匹配僅僅針對VOI部分，計算應(yīng)變時，只利用VOI內(nèi)的位移點來求解應(yīng)變。此外，本發(fā)明通過區(qū)分子體塊還有應(yīng)變計算窗口內(nèi)的連通域個數(shù)，只利用子體塊或者應(yīng)變計算窗口內(nèi)的主連通域去計算位移和應(yīng)變，進一步提高了處理復(fù)雜輪廓或者邊界時計

本發(fā)明公開一種基于格子復(fù)雜性算法的無線動態(tài)麻醉深度檢測方法。該發(fā)明方法是基于以下麻醉深度監(jiān)測裝置，該裝置包括采集模塊、無線傳輸模塊、數(shù)據(jù)處理模塊、中央處理模塊、顯示模塊；采集模塊采集腦電信號對該模擬腦電信號進行放大，并將該將其轉(zhuǎn)換為數(shù)字腦電信號。無線傳輸模塊通過WiFi無線網(wǎng)絡(luò)，將采集模塊輸出的數(shù)字腦電信號數(shù)據(jù)上傳到數(shù)據(jù)處理模塊進行預(yù)處理；預(yù)處理后的數(shù)據(jù)輸入中央處理模塊進行分析處理，分別計算格子復(fù)雜度、邊緣頻率、爆發(fā)抑制比，并利用決策樹算法擬合得到麻醉深度指數(shù)并顯示。由于使用了無線傳輸模塊和格子復(fù)雜性算法，使得該發(fā)明方法省去傳統(tǒng)檢測裝置的導(dǎo)線所帶來的不便，且算法簡單，實時性強。