一种基于网络的在线考试系统设计

在线考试系统是建立在互联网上的应用系统,客户端的配置较为简单,考试可以不受地域的限制。通过在线考试系统,教师可以将主要精力放在设计不同类型的试题和题库的维护中,学生能及时检验学习效果。本文详细阐述了在线考试系统的设计及开发实现方法,包括系统功能描述、系统功能模块划分、系统部分模块详细设计、数据库设计及一些主要技术的实现方法等。     

基于在线学习RBF神经网络的故障预报

提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性;"剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报.     

采用主流FPGA的数字电路在线生长进化方法

采用主流FPGA器件构建了在线进化平台,提出了一种适合较大规模数字电路在线进化的生长进化方法。该方法模拟植物生长机理进化以解决进化速度缓慢问题,采用增长验证评估方法取代传统的穷举式验证评估方法来解决在线验证评估难题;应用免疫遗传算法克服遗传算法的早熟收敛问题;采用多参数级联十进制整数编码方法缩短染色体长度;采用生长进化方法成功地进化出了16位加法器和8位乘法器。对比实验结果表明,采用生长进化方法无论是进化出的电路规模,还是进化速度均优于传统的直接进化方法。     

考虑铁耗电阻的感应电机参数在线辨识技术

传统感应电机高性能控制方案中,电机模型忽略了电机铁耗的影响,与实际物理模型有一定的偏差。基于包含铁耗等效电阻的感应电机模型,建立新的励磁电流计算方法,对电流和电压信号进行高精度的采样和离散处理,并对电机模型进行数学推导,得到基于递推最小二乘法(RLS)的辨识模型,实现了对铁耗电阻、转子电阻等重要电机参数的在线辨识。建立了MATLAB仿真模型,对参数辨识算法进行验证。仿真试验结果表明:所提方法可以在不同工况下实现较高精度的辨识,并可以快速地跟随待辨识参数的变化,为感应电机高性能控制奠定了基础。     

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。     

亚轨道飞行器能量管理段在线轨迹设计及仿真

对亚轨道飞行器能量管理段在线轨迹生成方案进行了研究。该方案将地面投影几何轨迹参数化,通过迭代计算参数生成标准轨迹,验证轨迹可行性并选择最优轨迹。经仿真验证,该方案能够在较短时间内完成轨迹的在线生成,结果满足进场着陆要求。     

智能式砂轮在线自动平衡仪

介绍了一种高精度智能式砂轮在线自动平衡仪，它由振动检测装置，砂轮平衡器和一个８０３１单片机用户系统组成．通过磨削试验，该平衡仪具有模仿人工操作进行控制的功能，有效地减轻了振动，提高了磨削加工质量．     

非线性系统在线模糊建模的快速算法

对于复杂、病态、非线性动态系统,基于模糊集合的模糊模型,利用模糊推理规则描述动态系统的特性,是一种有效方法。讨论了利用模糊方法实现非线性系统的建模方法。首先,利用在线模糊竞争学习方法划分输入变量的模糊空间,然后利用卡尔曼滤波算法辨识模糊模型的参数。仿真结果表明了该方法的实用性和有效性。     

基于逆动力学和在线参数辨识的飞机姿态控制

传统的综合飞行/火力控制系统的设计使用了PID(Proportion-Integral-Differential)结构的飞行/火力耦合器,具有鲁棒性差、设计工作量大等缺点.提出了一种基于逆动力学和在线参数辨识的方法,用于直接设计综合控制系统中的姿态控制器.其中,对飞机的转动动力学方程,推导得到了其逆特性的解析形式;使用在线参数辨识方法,对飞机的气动特性进行估计并用于舵面分配.以六自由度非线性飞机模型为对象进行了仿真,结果表明所设计的姿态控制系统具有快速性好、通道间解耦效果明显、对气动模型误差的鲁棒性强等优点.本方法也可推广用于其他的飞行器姿态控制系统设计.     

数据流频繁闭集的在线挖掘

基于算法LossyCounting,提出了数据流频繁闭集的在线挖掘算法LC_Closed(LossyCounting_Closed).设计了基于前缀树的频繁闭集压缩存储结构CI-forest(ClosedItemsets-forest),利用该数据结构可以快速的插入和查询闭集模式,且在处理新的事务数据时能够快速定位相关的历史闭集模式.该算法采用在线的处理方式,提高了算法的实时性.实验的结果证明该算法是有效的.