葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

"本發(fā)明公開了一種基于數(shù)字圖像處理的鋼軌光帶異常自動(dòng)檢測(cè)方法，采用數(shù)字圖像處理技術(shù)分析相機(jī)拍攝的軌道圖片并檢測(cè)其鋼軌光帶是否發(fā)生異常；利用圖像增強(qiáng)、邊緣檢測(cè)、直線檢測(cè)等方法初步定位圖像中鋼軌區(qū)域；然后通過(guò)模式識(shí)別、圖像分割、閾值處理等方法提取出鋼軌頂面光帶區(qū)域；最后，對(duì)所提取的鋼軌光帶區(qū)域進(jìn)行統(tǒng)計(jì)、分析并識(shí)別出其是否發(fā)生異常。本發(fā)明可以高效、自動(dòng)、智能的檢測(cè)鋼軌平穩(wěn)性，有效地降低人力投入、減少檢測(cè)時(shí)間，并保障檢測(cè)的準(zhǔn)確率，使得列車在高速運(yùn)行時(shí)的安全得到有效保障。 "

本發(fā)明公開了一種工業(yè)控制系統(tǒng)功能安全與信息安全的需求分析及融合方法，包括分析系統(tǒng)中的資產(chǎn)，明確其相關(guān)屬性，形成系統(tǒng)資產(chǎn)清單；根據(jù)系統(tǒng)資產(chǎn)與危害事件之間的關(guān)聯(lián)性確定危害事故發(fā)生的可能性；確定哪些危害事件需要進(jìn)一步采取功能安全保障措施，進(jìn)而確定對(duì)系統(tǒng)中功能安全需求集；分析資產(chǎn)的固有漏洞及其可能面臨的信息安全威脅及對(duì)應(yīng)的防護(hù)措施；判斷需要加強(qiáng)保護(hù)的系統(tǒng)資產(chǎn)，進(jìn)而確定資產(chǎn)的信息安全防護(hù)措施，所有資產(chǎn)需要的保護(hù)措施就形成

本發(fā)明公開了一種基于群體用戶行為分析的個(gè)性化推薦方法， 屬于計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用技術(shù)領(lǐng)域。本發(fā)明提出了一套基于群體用戶興趣 變化的個(gè)性化推薦方法，通過(guò)聚合海量個(gè)體用戶對(duì)商品的時(shí)序動(dòng)態(tài)興 趣度從而快速有效的獲得準(zhǔn)確度更高的推薦列表。另外再定量分析時(shí) 間因素對(duì)用戶興趣度的影響權(quán)重，通過(guò)擬合大眾用戶從接觸商品到購(gòu) 買的時(shí)間及不同時(shí)間段購(gòu)買用戶數(shù)量分布圖，從而提高推薦的準(zhǔn)確性。 在充分分析用戶行為數(shù)據(jù)及歸納總結(jié)出用戶的興趣后，計(jì)算

本發(fā)明公開了一種基于移動(dòng)終端的答題卡識(shí)別分析方法及系統(tǒng)，屬于圖像識(shí)別技術(shù)領(lǐng)域。本發(fā)明包括數(shù)據(jù)通訊模塊、圖像處理模塊、記分統(tǒng)計(jì)模塊、數(shù)據(jù)存儲(chǔ)模塊和數(shù)據(jù)輸出模塊。通過(guò)采用二階圖像勢(shì)能原理進(jìn)行賦值運(yùn)算，每一個(gè)選項(xiàng)賦值為 2 的 n-1 次冪，n 代表選項(xiàng)的順序號(hào)，每一題中任意選項(xiàng)的組合求其所有選項(xiàng)值的算術(shù)和即為該題的選項(xiàng)值，確保任意一個(gè)選項(xiàng)組合都不會(huì)出現(xiàn)重復(fù)值，得出該答題信息的成績(jī)。本發(fā)明使用已廣泛普及的智能移動(dòng)終端設(shè)備，

本發(fā)明公開了一種基于 CPN 的面向服務(wù)軟件性能建模與仿真分析方法，面向服務(wù)軟件性能模型包 括軟件模型和負(fù)載模型；軟件模型包括服務(wù)模型和交互模型；負(fù)載模型包括工作負(fù)載模型和外部負(fù)載模 型；每個(gè)服務(wù)模型都具有一個(gè)服務(wù)內(nèi)部結(jié)構(gòu)模型；工作負(fù)載模型包括工作負(fù)載開始模型、工作負(fù)載結(jié)束 模型；外部負(fù)載模型包括外部負(fù)載開始模型、外部負(fù)載結(jié)束模型。仿真分析方法首先對(duì)面向服務(wù)軟件負(fù) 載模型中的參數(shù)進(jìn)行配置，設(shè)置仿真執(zhí)行的步數(shù)或時(shí)間；創(chuàng)建監(jiān)視器，對(duì)面向服務(wù)軟件以及

本發(fā)明公開了一種基于拉曼光譜分析的煤質(zhì)快速檢測(cè)方法，包括：(1)建立煤質(zhì)-拉曼關(guān)聯(lián)數(shù)據(jù)庫(kù)；(2)對(duì)待檢測(cè)原煤進(jìn)行拉曼光譜測(cè)試，并對(duì)得到的待測(cè)原煤的拉曼光譜進(jìn)行分峰計(jì)算，獲得待檢測(cè)原煤拉曼光譜特征參數(shù)；(3)將待檢測(cè)原煤的拉曼光譜特征參數(shù)與已建立的煤質(zhì)-拉曼關(guān)聯(lián)數(shù)據(jù)庫(kù)比對(duì)，根據(jù)對(duì)應(yīng)的拉曼光譜特征參數(shù)與煤質(zhì)成分特征參數(shù)的映射關(guān)系，獲得待檢測(cè)原煤的煤質(zhì)成分特征參數(shù)，確定煤質(zhì)。該方法簡(jiǎn)單、快速、可靠、成本低、實(shí)用性強(qiáng)，可同時(shí)

我國(guó)的電力工業(yè)在近十年內(nèi)有了很大的發(fā)展，并將有更大的發(fā)展。作為電站的大型設(shè)備，其運(yùn)行的安全性、可靠性和經(jīng)濟(jì)性是至關(guān)重要的，不僅關(guān)系到電廠的安全與生產(chǎn)效益，而且對(duì)國(guó)民經(jīng)濟(jì)有直接影響。 但是多年以來(lái)，汽輪發(fā)電機(jī)組損失均在千萬(wàn)元以上，直接經(jīng)濟(jì)損失則在數(shù)百億元以上。據(jù)統(tǒng)計(jì)，1988年至1991年四年來(lái)全國(guó)發(fā)電機(jī)事故總臺(tái)達(dá)219臺(tái)次，占裝機(jī)總臺(tái)數(shù)（462臺(tái)

本項(xiàng)目通過(guò)顯微掃描技術(shù)、多光譜技術(shù)、智能分析技術(shù)將生物組織的高分辨率顯微圖像、熒光光譜信息采集創(chuàng)新性地在同一系統(tǒng)中進(jìn)行一體化集成，不僅是使國(guó)產(chǎn)病理掃描儀器達(dá)到國(guó)外先進(jìn)水平，同時(shí)將攻克目前國(guó)內(nèi)外同類型產(chǎn)品的技術(shù)瓶頸，實(shí)現(xiàn)生物組織的多維顯微信息融合，實(shí)現(xiàn)更加高效率、高可靠性的診斷分析。 通過(guò)項(xiàng)目實(shí)施，已取得如下顯著性研究成果：1）20×/0.65大視場(chǎng)大數(shù)值孔徑物鏡（平場(chǎng)復(fù)消色差物鏡）已經(jīng)順利產(chǎn)業(yè)化，并大量應(yīng)用于Motic系列顯微鏡和細(xì)胞DNA定量分析系統(tǒng)上，有效提高掃描成像的速度和質(zhì)量；2）開發(fā)了采用無(wú)刀口后焦偏置的偏心光束法主動(dòng)離焦量探測(cè)裝置，通過(guò)探測(cè)光斑的半徑和離焦量的線性關(guān)系，實(shí)現(xiàn)微米量級(jí)的離焦量探測(cè)； 3）開發(fā)了基于相面傾斜對(duì)焦方法的病理切片實(shí)時(shí)掃描自動(dòng)對(duì)焦方法及裝置，該成果已成功進(jìn)入工程化應(yīng)用階段； 4）開發(fā)了基于線性磁軸電機(jī)的直線驅(qū)動(dòng)顯微掃描臺(tái)，并通過(guò)嚴(yán)格實(shí)施加工工藝保障措施，各項(xiàng)性能指標(biāo)達(dá)到國(guó)際先進(jìn)水平，為快速、穩(wěn)定線掃顯微成像奠定基礎(chǔ)。5）完成了基于切片托盤的轉(zhuǎn)塔倉(cāng)庫(kù)設(shè)計(jì)和裝載機(jī)構(gòu)設(shè)計(jì)，并采用自主控制和機(jī)器視覺技術(shù)解決了切片倉(cāng)庫(kù)設(shè)計(jì)精度和機(jī)械手控制精度之間的矛盾，實(shí)現(xiàn)了全自動(dòng)無(wú)人值守連續(xù)掃描的多規(guī)格切片裝載設(shè)計(jì)。 目前，本項(xiàng)目已順利通過(guò)科技部組織的中期評(píng)估實(shí)地檢查工作，各項(xiàng)檢測(cè)指標(biāo)達(dá)到或超過(guò)中期預(yù)期指標(biāo)。

本發(fā)明公開了一種基于指令域分析的數(shù)控加工工藝參數(shù)動(dòng)態(tài)優(yōu) 化方法，包括： (1)設(shè)置采樣的加工狀態(tài)信息和加工程序指令序列信息， 并相應(yīng)配置形成加工信息動(dòng)態(tài)采集界面；(2)實(shí)時(shí)采集獲取實(shí)際加工數(shù)據(jù)，并利用正余弦算子對(duì)采集的數(shù)據(jù)進(jìn)行迭代平滑處理，并提取濾波 處理后信號(hào)的特征值； (3)根據(jù)當(dāng)前行加工的 G 指令和/或刀位軌跡類型 在工藝系數(shù)數(shù)據(jù)庫(kù)中選擇確定優(yōu)化系數(shù)；(4)利用上述步驟獲取的特征 值以及優(yōu)化系數(shù)，建立優(yōu)化模型，據(jù)此計(jì)算當(dāng)前合理的工藝參數(shù)，從 而實(shí)現(xiàn)對(duì)加工工藝參數(shù)的動(dòng)態(tài)優(yōu)化。本發(fā)明的方法以指令域分析為基 礎(chǔ)，可以實(shí)現(xiàn)對(duì)數(shù)控系統(tǒng)工藝參數(shù)快速優(yōu)化，實(shí)現(xiàn)與插補(bǔ)周期同步， 最大程度實(shí)現(xiàn)數(shù)控系統(tǒng)加工質(zhì)量與效率的提升。 

本發(fā)明提供了一種基于聚類分析的復(fù)合材料結(jié)構(gòu)有限元模型修正方法，建立初始有限元分析模型，測(cè)得結(jié)構(gòu)的實(shí)驗(yàn)?zāi)B(tài)頻率和模態(tài)振型，計(jì)算待修正參數(shù)的相對(duì)靈敏度矩陣，利用分層聚類算法對(duì)待修正參數(shù)進(jìn)行參數(shù)分組，再對(duì)聚類參數(shù)進(jìn)行相對(duì)靈敏度分析，選擇各參數(shù)中相對(duì)靈敏度平均值最大的聚類參數(shù)進(jìn)行修正，構(gòu)造分析模型的模態(tài)頻率和實(shí)測(cè)模態(tài)頻率的殘差向量，建立分析模型修正所需的目標(biāo)函數(shù)，構(gòu)建目標(biāo)函數(shù)的優(yōu)化反問(wèn)題對(duì)復(fù)合材料結(jié)構(gòu)的有限元模型進(jìn)行修正。本發(fā)明結(jié)合數(shù)值模擬、試驗(yàn)和優(yōu)化技術(shù)，采用參數(shù)的相對(duì)靈敏度矩陣進(jìn)行聚類分析，減少待修正參數(shù)數(shù)量，提高修正程序穩(wěn)定性，為工程應(yīng)用提供了一種準(zhǔn)確的基于數(shù)值模擬、試驗(yàn)和優(yōu)化相結(jié)合的復(fù)合材料等效有限元模型參數(shù)修正方法。