针对高炉故障诊断系统快速性和准确性的要求，提出基于全局优化最小二乘支持向量机的策略.首先，采用变尺度离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化；然后，利用核主元分析法对选取的特征向量进行压缩整理；最后，构造了以Fisher线性判别率为标准的启发式纠错输出编码.仿真结果表明，通过对故障训练样本有意义地分割重组，用较少的最小二乘支持向量机分类器，得到较高的故障判断准确率且增强了整个系统的实时性

在语音识别中,卷积神经网络(convolutional neural networks,CNNs)相比于目前广泛使用的深层神经网络(deep neural network,DNNs),能在保证性能的同时,大大压缩模型的尺寸.本文深入分析了卷积神经网络中卷积层和聚合层的不同结构对识别性能的影响情况,并与目前广泛使用的深层神经网络模型进行了对比.在标准语音识别库TIMIT以及大词表非特定人电话自然口语对话数据库上的实验结果证明,相比传统深层神经网络模型,卷积神经网络明显降低模型规模的同时,识别性能更好,且泛化能力更强

本文研究了浸渗时间对铁基渗铜烧结合金机械性能(拉伸强度、抗弯强度、冲击韧性和硬度)及组织结构的影响。试验采用Fe-Cu-C基体骨架,采用通用的Cu-Mn-Fe浸渗剂。采用二步法浸渗。子烧是在分解氨保护气氛中于1150℃保温一小时;浸渗采用氢气保护,浸渗时间分别选择了5分、10分、20分、30分、45分、60分、90分、120分和180分九个不同的时间,浸渗温度1120±5℃。试验结果用性能变化曲线和金相组织照片表示出来,并对该变化曲线和组织结构进行了分析讨论

第一节物质的旋光性 第二节对映异构现象与分子结构的关系 第三节含一个手性碳原子化合物的对映异构

为了提高瓦斯涌出预测的准确性,采用BP型神经网络,利用BP型神经网络自学习、自组织和自适应等特性,在MATLAB环境下构建瓦斯动态预测模型.通过对唐山矿瓦斯信号实时监测数据的分析,对瓦斯动态预测模型进行训练和测试.结果表明,该模型的预测速度快、精度高,可以实现对工作面瓦斯涌出的动态预测,并能综合判断工作面所处地点的安全状况以及前方的潜在的危险性

本文对采用恒电位法测定奥氏体不锈钢316L在NaCl溶液中的阳极极化曲线时产生\二次钝化\的现象进行了研究。在对实验进行分析的基础上,提出把Prazak的\二次钝化\理论的适用范围扩大到点蚀过程;并引用Prazak的理论对NaCl溶液中316L不锈钢的\二次钝化\现象进行了分析讨论。结论认为:\二次钝化\现象只有在特定的材料,介质和环境条件下才能产生。尽管在\二次钝化\发生时,在H2SO4溶液中发生的是不锈钢表面膜的过钝化溶解过程,而在NaCl溶液中发生的是点蚀过程,但产生\二次钝化\的机理是相同的

1、旋光概念 2、能产生对映异构体的结构 3、菲舍尔投影式的应用 4、手性碳和对映异构体的关系

基于交流电动机拖动中的交直交变频调速系统，对电网谐波的影响问题进行了理论研究与仿真分析，提出了多组变频器的移相式组合供电方法.针对某热连轧生产线的多组辅助传动系统，分别定量分析了当输出频率变化和系统中负载对象、LC滤波器、脉宽调制电路和变压器的参数变化时，供电网侧的谐波率和波形畸变率.仿真结果表明，移相式组合供电方法及合理的拖动系统设计可以大幅度降低供电网侧谐波干扰，总谐波畸变率可抑制在4.0%以内.本研究为工厂拖动系统的设计、无功补偿系统设计以及拖动系统故障诊断提供了有效的方法

以高浓度铜氰溶液为研究对象，通过添加次亚磷酸盐，进行了高碱条件下电积回收铜与氰化物的研究.研究了次亚磷酸盐用量、温度对铜和氰化物沉积过程的影响；利用线性循环伏安、恒电位电解并结合X射线衍射分析阳极沉淀物的物相，分析了阳极反应机理和次亚磷酸盐抑制氰化物分解的机理；采用电解后余液进行金的氰化浸出实验.结果表明：次亚磷酸盐可有效抑制电沉积过程中氰化物的分解，其抑制效果随温度升高而增强.电解过程中阳极表面生成的Cu2+是造成氰化物分解的主要原因；次亚磷酸盐通过优先与Cu2+发生氧化还原反应从而抑制氰化物的分解.处理后余液对金的氰化浸出无不良影响，通过电解可综合回收铜氰废水中金属与氰化物，处理后废水可循环利用

针对挠性卫星本身存在的参数不确定性和外部扰动的控制问题,设计了以径向基函数神经网络和小脑神经网络为基础的复合变结构智能控制器.该控制器利用变结构控制系统对被控对象的模型误差、参数变化及外扰等的不敏感性的优点,再结合神经网络能够迅速逼近未知函数、泛化能力强的特点,可以适应挠性卫星参数不确定性和抑制外加干扰,实现对挠性卫星的有效控制.仿真结果表明复合控制能够提高卫星姿态的稳态精度和快速性