狀態(tài)值
- 車載鋰電池SOC 估算方法和應用探析
車載鋰電池荷電狀態(tài)值和其他電動勢E 之間的關系呈現(xiàn)出了一種相對穩(wěn)定的狀態(tài)，也就是E-SOC 曲線。在鋰電池長期保持安靜的狀態(tài)下，電池的電極也會處在一個平衡的狀態(tài)下，這時電動勢E 就是開路電壓，這樣電動勢法以電池開路電壓看作是輸入來對電池當前的荷電狀態(tài)進行估算分析。在進行試驗測量的過程中，通常會在溫度恒定的狀態(tài)下進行測量，溫度會控制在25℃左右，在合適的電流下進行放電處理，電池的荷電狀態(tài)每降低5%，靜置的時間為3 ～5 小時，然后將相對應的開路電壓記錄下來。
中國設備工程 2023年18期2023-10-07
- AEUR：基于uBlock 輪函數(shù)的認證加密算法設計
輪函數(shù)用來更新狀態(tài)值，狀態(tài)值保證算法的正確性。算法處理數(shù)據(jù)的過程簡潔有效，從而優(yōu)化了算法運行過程，減少了資源消耗。AEUR 算法對多種安全性分析方法具有充分的抵抗能力，為國產(chǎn)密碼算法應用提供了一條新的參考途徑。3) 應用SSE（streaming SIMD extension）指令集[9]對AEUR 算法進行了軟件實現(xiàn)。對AEUR 算法進行實現(xiàn)速率測試，以軟件運行時間計算，AEUR算法相比其他同類算法在運算速度上均有不同程度的提升，具有較好的綜合性能。1
通信學報 2023年8期2023-09-19
- 兆瓦級液流電池儲能系統(tǒng)的均衡技術研究
電池單體的荷電狀態(tài)值，m個電池單體荷電狀態(tài)值的平均值為，m個電池單體荷電狀態(tài)值的方差為δbi2。設定電池單體的啟動均衡值為δb0，當m個電池單體荷電狀態(tài)值的方差大于這個設定值時，則開啟電池單體級均衡控制策略，此時的均衡開啟條件滿足式（1）：在啟動均衡以后，需要實時監(jiān)測電池模塊內(nèi)電池單體荷電狀態(tài)值的一致性情況，設定一個停止均衡值δb1。當n個電池單體荷電狀態(tài)值的總體方差小于這個設定值時，則停止電池單體級均衡控制策略，此時的均衡停止條件滿足式（2）：3.1.2
科技資訊 2023年17期2023-09-16
- 欺騙攻擊下具備隱私保護的多智能體系統(tǒng)均值趨同控制
實現(xiàn)所有智能體狀態(tài)值的一致或同步.然而,由于多智能體系統(tǒng)所具有的開放式網(wǎng)絡環(huán)境、通信渠道種類單一、節(jié)點同構性高且單個節(jié)點資源有限等特性,使得網(wǎng)絡中通訊鏈路容易被惡意第三方竊聽或破壞.因此如何在惡意網(wǎng)絡環(huán)境下實現(xiàn)節(jié)點之間狀態(tài)信息的隱私保護和精準趨同,已成為多智能體系統(tǒng)研究的新挑戰(zhàn).具體地,多智能體系統(tǒng)趨同控制在實際應用中面臨兩個關鍵問題:1)節(jié)點自身初始狀態(tài)信息的隱私泄露問題;2)節(jié)點間的通信鏈路可能會遭受網(wǎng)絡攻擊的問題,如拒絕服務(Denial-of-se
自動化學報 2023年2期2023-03-06
- 基于Petri Net的肺經(jīng)五腧穴模型的仿真
腑有5個階段的狀態(tài)值來呈現(xiàn)，如圖3所示。圖3 五臟的狀態(tài)值狀態(tài)值在(-1，b1)區(qū)間時，值是非常低的，產(chǎn)生相生的能量是處于困難狀態(tài)。在(b1，a1)區(qū)間時，值是處于一個低的病態(tài)狀態(tài)，產(chǎn)生相生的能量是處于困難狀態(tài)。在(a1，a2)區(qū)間時，值是處于一個平衡狀態(tài)，身體保持健康平衡。在(a2，b1)區(qū)間時，值是處于一個過剩的病態(tài)狀態(tài)，產(chǎn)生相克的能量狀態(tài)。在(b1，1)區(qū)間時，值是處于一個過剩嚴重的病態(tài)狀態(tài)。這個值是根據(jù)每個人的體質(zhì)和環(huán)境的差異而不同的。在這里定義X
計算機仿真 2022年10期2022-11-29
- 基于區(qū)間映射和最大擾動區(qū)域的矢量地圖可逆水印算法
想調(diào)制坐標點的狀態(tài)值，將水印信息映射到狀態(tài)區(qū)間中，狀態(tài)區(qū)間根據(jù)矢量地圖中坐標點的最大擾動區(qū)域(maximum perturbation region,MPR)進行范圍限制，從而控制坐標點的合理移動范圍，實現(xiàn)擾動程度可控的矢量地圖可逆水印算法。1 可控擾動的區(qū)間映射可逆水印算法1.1 數(shù)據(jù)預處理方法1.1.1 矢量地圖預處理1.1.2 水印信息預處理(1)在嵌入水印時，將Wdecimal中的nw個水印序列按照設定的順序嵌入nw個坐標值中。(2)1.2 水印嵌
測繪學報 2022年11期2022-11-29
- 基于參數(shù)追蹤的聯(lián)鎖系統(tǒng)運行狀態(tài)檢測的研究與應用
參與運算的變量狀態(tài)值，并通過可視化的波形在電務維修機上直觀的呈現(xiàn)，具備實時監(jiān)測聯(lián)鎖內(nèi)部所有參數(shù)的功能，同時還可以將參數(shù)跟蹤過程中的狀態(tài)記錄在特定的日志文件中。在聯(lián)鎖系統(tǒng)軟件調(diào)試，測試，聯(lián)鎖數(shù)據(jù)制作發(fā)布以及現(xiàn)場故障排查時，具有越來越廣泛的應用，并發(fā)揮越來越重要的作用。1 需求分析以及背景介紹在聯(lián)鎖數(shù)據(jù)制作和發(fā)布，以及聯(lián)鎖下位機程序開發(fā)的過程中，黑盒的聯(lián)鎖狀態(tài)不利于聯(lián)鎖系統(tǒng)的維護和故障診斷。原因在于，用戶無法知道聯(lián)鎖系統(tǒng)內(nèi)部運行的每個參數(shù)狀態(tài)是否正確。中間發(fā)生
電子技術與軟件工程 2022年10期2022-07-11
- 一種面向健康狀態(tài)預測的設備維護方法
入是8個變量，狀態(tài)值作為標簽，將整理好的100組數(shù)據(jù)隨機分為三組：①80組用于訓練機器學習模型；②10組用于驗證模型效果；③10組用于測試訓練好的模型，表1提供了SVM算法在驗證模型效果時5組數(shù)據(jù)的誤差和預測準確率。表1 配電箱健康狀態(tài)預測的驗證結果4.3 設備維護計劃設備狀態(tài)預測旨在通過歷史維護數(shù)據(jù)預測設備性能，為了量化設備健康狀態(tài)，制定設備健康狀態(tài)量表，預測的狀態(tài)值會匹配到不同的設備狀態(tài)等級，維護人員根據(jù)設備預測結果提前采取維護操作，具體的設備健康狀態(tài)
智能建筑與智慧城市 2022年5期2022-05-24
- 基于二維耦合映像格子模型的圖像加密
復雜混沌系統(tǒng)的狀態(tài)值在相空間的分布往往是不均勻的，從而為攻擊者進行統(tǒng)計攻擊或者暴力攻擊提供了便利. 文獻[17]正是利用了這種不足，對一種基于DNA 編碼和時空混沌的圖像加密算法實施了有效的攻擊.針對上述安全問題，本文將分段時空混沌與暫態(tài)變換結合，構造了一個新的混沌模型T2DCML（T-2D coupled map lattices）. 該模型以分段混沌系統(tǒng)作為局部映射，很好地平衡了系統(tǒng)復雜性和效率之間的關系. 同時，利用暫態(tài)變換實現(xiàn)了模型狀態(tài)值的均勻分布
西南交通大學學報 2021年6期2021-12-28
- 卡爾曼濾波在目標跟蹤中的應用研究
波算法中的目標狀態(tài)值，是由目標狀態(tài)空間方程、濾波觀測方程加上實時測量噪聲和系統(tǒng)噪聲逐步地推計算得到的。在目標跟蹤過程中，目標的測量時刻都有各種干擾噪聲?？柭鼮V波實質(zhì)上就是通過基于目標的運動特征，來減小甚至消除噪聲，實現(xiàn)達到最優(yōu)估計的效果，具有以下優(yōu)點：（1）系統(tǒng)增益可以動態(tài)計算，同一個濾波設計適用于多種機動狀態(tài)。（2）利用協(xié)方差矩陣快速地對估計精度進行準確測量。（3）通過對殘差的變化分析，來判斷當前目標運動模型是否可靠。（4）卡爾曼增益序列根據(jù)運動狀態(tài)自
電子世界 2021年18期2021-11-03
- 基于粒子濾波的結構參數(shù)和荷載同步識別方法
和位移同時作為狀態(tài)值[16]，構造狀態(tài)空間方程，采用粒子濾波算法直接對結構參數(shù)與荷載進行識別，步驟相對簡單。同時，針對荷載辨識結果漂移的問題，將加速度數(shù)據(jù)進行梯形積分和零相位高通濾波，求得速度和位移的計算值，利用計算值來更新由粒子濾波求得的速度和位移狀態(tài)值，長時間確保荷載識別的準確性。1 狀態(tài)空間方程一般來說，土木結構的狀態(tài)空間方程為(1)其中，xk、uk和yk分別是第k時間步的狀態(tài)值(包括位移和速度)、荷載激勵和結構響應；ωk和νk分別是第k時間步的過程
重慶大學學報 2021年9期2021-10-22
- 信息系統(tǒng)運行的穩(wěn)定狀態(tài)計算方法
都存在一個穩(wěn)定狀態(tài)值，這個值可以使每一天這個時刻的運行值都是圍繞這個穩(wěn)定運行狀態(tài)在運行的，即穩(wěn)定狀態(tài)值與每天同一個時刻樣本中所有指標之間的差值之和是最小的，如式(1)。(1)其中，f(x)表示樣本同時刻每一個值與理論穩(wěn)定值之間的差值之和；x表示樣本中種同時刻每一個時刻的監(jiān)控歷史記錄值；X表示同時刻x樣本的平均值；a表示修正平均值的修正值，即X+a是計算時刻歷史記錄中理論穩(wěn)定運行的狀態(tài)值；n表示樣本中這個時刻的數(shù)據(jù)量，即為計算的樣本歷史天數(shù)。通過絕對值函數(shù)特
微型電腦應用 2021年9期2021-09-29
- 基于裝配效率的同步工程優(yōu)化方法研究
的整車BEC 狀態(tài)值與BEC 目標值，是優(yōu)化產(chǎn)品設計的基礎。整車BEC 狀態(tài)值是某車型當前狀態(tài)下的零件BEC 之和。BEC 目標值是該車型實現(xiàn)功能與定位的最低BEC。BEC 狀態(tài)值與目標值之間的差距，即是結構優(yōu)化的目標。由于車型的造型、尺寸、定位、驅(qū)動力等差異，不同車型的零件設計與零件數(shù)量各不相同，由此造成整車BEC 狀態(tài)值不同。對于全新開發(fā)的車型，以整車零件清單為基準，通過MTM 方法可核算該車型的整車BEC 狀態(tài)值。對于改款車型，根據(jù)車型變化點在老款車
機械管理開發(fā) 2021年8期2021-09-21
- 基于儲能優(yōu)化及荷電狀態(tài)均衡的直流微電網(wǎng)控制研究
法對蓄電池荷電狀態(tài)值調(diào)節(jié)能力欠缺。因此，引入下垂控制的同步電壓源控制方法可以讓負載功率按比例維持平衡。通過引入荷電狀態(tài)值或者虛擬阻抗，對下垂系數(shù)控制方法進行改進，從而改善蓄電池儲能的荷電狀態(tài)平衡情況[14-15]。然而，目前下垂控制方法仍易造成直流母線電壓小于參考電壓，進而造成母線電壓恢復時間較長。因此，需研究一種儲能優(yōu)化及荷電狀態(tài)均衡的直流微電網(wǎng)控制方法。本文針對直流微電網(wǎng)中基于儲能優(yōu)化控制策略及荷電狀態(tài)均衡控制策略展開了研究。首先，針對直流微電網(wǎng)結構和
能源與環(huán)保 2021年8期2021-08-27
- 面向網(wǎng)絡攻擊下彈性均值趨同的智能體群組編隊
關鍵技術之一是狀態(tài)值趨同,即系統(tǒng)中的每個成員通過本地感知收集不同的狀態(tài)值,與鄰居交換這些信息,協(xié)調(diào)全局變量達到一致[4–8].目前學者們已提出多種方法解決多智能體系統(tǒng)趨同問題[5–7].但這些研究成果中大多數(shù)都假設所有的智能體處于一個安全的工作環(huán)境,即它們的控制器、傳感器等不會因網(wǎng)絡攻擊而失效.顯然,隨著網(wǎng)絡安全事件日益突發(fā),高度網(wǎng)絡化的多智能體系統(tǒng)容易遭受惡意攻擊.例如,攻擊者可能通過控制網(wǎng)絡中部分智能體的通信模塊,傳遞虛假數(shù)據(jù),致使系統(tǒng)性能下降或發(fā)生嚴
控制理論與應用 2021年7期2021-07-31
- 顯著性差異法則在變壓器狀態(tài)評估中的應用
為四個等級，將狀態(tài)值描述范圍擴展到包含超出規(guī)程規(guī)定注意值的情況，對狀態(tài)分級重新進行定義，詳細描述見表2。表2 層次分析模型狀態(tài)值及其描述Table 2 State value scope for hierarchy analysis model1.2 健康指數(shù)模型中的變壓器狀態(tài)分級為了便于對比，將變壓器明顯老化對應的健康指數(shù)分界點作為縮短試驗（檢修）周期的分界點，按照設備狀態(tài)顯著性差異劃分標準，根據(jù)變壓器健康指數(shù)將變壓器狀態(tài)等級劃分如表3所示。表3 健康指
水電與抽水蓄能 2021年1期2021-03-12
- 煤層氣開發(fā)社會生態(tài)環(huán)境風險評價研究：基于ISM的可達矩陣與FCM模型
中指標節(jié)點初始狀態(tài)值AG(0)通過變換函數(shù)f進行迭代，當陷入固定點狀態(tài)或者處于極限環(huán)狀態(tài)，則迭代過程結束，系統(tǒng)處于穩(wěn)定狀態(tài)。2) WTFCM模型權值優(yōu)化算法。將非線性Hebbian學習算法應用到FCM中，求取最優(yōu)關聯(lián)矩陣，此時式(1)變?yōu)槭?3)。(3)(4)①輸出節(jié)點狀態(tài)值與目標平均值間差異最小化，即式(5)。(5)②當輸出節(jié)點ci相鄰時刻狀態(tài)值之差小于ε時，系統(tǒng)處于穩(wěn)定狀態(tài)，即式(6)。(6)式中，ε為保證F2盡量小的容忍值，當①、②都滿足時權值即為最
中國礦業(yè) 2021年1期2021-01-25
- 核電廠三維布置設計質(zhì)量控制策略研究
維設計對于專業(yè)狀態(tài)值的控制三維設計對于專業(yè)布置設計往往采用狀態(tài)值來進行控制和測量，與此同時，還會派專業(yè)的工作人員監(jiān)測狀態(tài)值的升降，這種做法可以有效控制專業(yè)設計的進程及其質(zhì)量，使設計的步驟更加細化，在未來查找問題時也更加方便。每一部分的設計過程都會被標記一個狀態(tài)值，每一個狀態(tài)都要進行校審，經(jīng)過校審，負責監(jiān)測狀態(tài)值的工作人員便會根據(jù)校審意見來調(diào)整狀態(tài)值，使其達到規(guī)定的標準。（二）專業(yè)布置數(shù)據(jù)的校審工作對于模型數(shù)據(jù)的校審通常會直接在三維軟件中建立校審系統(tǒng)，并通過
環(huán)球市場 2021年15期2021-01-16
- 監(jiān)視Web Service運行
對于各計數(shù)器的狀態(tài)值而言，我們會選擇采用直方圖方式來呈現(xiàn)，原因是您可以更快看出它們之間的相對關系，不過這種檢視方式通常使用在較少數(shù)量的計數(shù)器觀察上。例如，只需觀察Request Execution Time、ProcessorTime及Disk Time三者計數(shù)器的比較。當您打算持續(xù)一段時間以直方圖呈現(xiàn)方式，來觀察網(wǎng)站應用程序的性能表現(xiàn)時，最好能夠開啟每一個計數(shù)器的內(nèi)容，來修改所要呈現(xiàn)的色彩、寬度、刻度以及樣式，這樣也能夠讓您更加可視化地觀察它們各自的變化
網(wǎng)絡安全和信息化 2020年8期2020-12-30
- 大數(shù)據(jù)背景下檔案管理績效的模糊評價
，又兼顧各因素狀態(tài)值之間的組態(tài)水平，因而能科學地反映各因素在決策過程中所起的作用，以往關于檔案管理績效的研究主要是以常權權重進行評價。比如，蔣超美對檔案信息化服務績效的評價是利用常權方法進行量化分析[2]46；馬旭紅在構建指標體系基礎上，對檔案信息化建設績效進行了常權定量評價[3]168；還有很多學者，比如張麗婭[4]93和李德清[5]1241等嘗試將均衡變權函數(shù)引入變權權重，進行模糊評價的理論與模型方面的探究。本研究就是嘗試利用變權方法，對檔案管理績效進
蘭臺世界 2020年12期2020-12-27
- 一種基于有向無環(huán)圖的依賴管理機制及實現(xiàn)*
在初始化時確定狀態(tài)值。部分頂點只代表了軟件的一個中間狀態(tài)，需要根據(jù)其他頂點的狀態(tài)動態(tài)計算實際的狀態(tài)值。頂點狀態(tài)初始化的第一步是獨立計算各個頂點的狀態(tài)值。對于無法獨立確定狀態(tài)值的頂點，采用默認的load_state 方法設置初始狀態(tài)值。load_state 方法定義如下：需要說明的是，設置initted 成員為false，表示該頂點的狀態(tài)值沒有最終確定。對于可以獨立確定狀態(tài)值的頂點，則需要根據(jù)具體情況重載該方法，為state 成員設置合適的取值，并將init
通信技術 2020年12期2020-12-23
- 無人作戰(zhàn)飛機測控與信息傳輸系統(tǒng)風險評估
對風險因子初始狀態(tài)值的評價結果將表2 結果通過加權平均法綜合，根據(jù)最大隸屬度平均法去模糊化處理，得到各概念的初始狀態(tài)值C（t0），結果如下：最后運用MATLAB 軟件迭代計算概念狀態(tài)值，每個概念初始狀態(tài)向量和鄰接矩陣相乘得到輸出結果，這個結果繼續(xù)與鄰接矩陣相乘，持續(xù)迭代下去，直到每個概念的狀態(tài)值穩(wěn)定不變，第1 次以及第k 次的迭代計算如公式（3）、公式（4）所示。式（3）、式（4）中，Wij為概念節(jié)點相互作用準確值，為各概念的初始狀態(tài)值，為第一次迭代計算得
中國新技術新產(chǎn)品 2020年20期2020-12-21
- 研究降雨事件對交通流時空特性的影響
道路交通流具有狀態(tài)值和影響值的雙重時空特性.道路交通流時空特性受多種因素影響，在自然環(huán)境因素中，降雨事件對其有顯著影響.有關降雨事件對交通流時空特性的影響研究側重于對狀態(tài)值的影響研究，鮮有對影響值的影響研究.降雨事件對狀態(tài)值的影響研究主要可以總結成兩類：(1)基于顯性關系的分析.李長城[2]構建了道路速度與降雨量的回歸模型，和飛飛[3]構建了道路速度變化量與降雨量的回歸模型.基于顯性關系的分析，構建交通流狀態(tài)值或狀態(tài)值變化量與降雨量的連續(xù)函數(shù)，描述降雨量對
交通運輸系統(tǒng)工程與信息 2020年4期2020-09-01
- 一種面向現(xiàn)役裝備的PHM 設計方法
還要對初始檢測狀態(tài)值進行修正。統(tǒng)計存在邏輯關系傳感器同時異常的次數(shù)，記為k’,那么修正后的檢測狀態(tài)值為qk’。2.2 基于結構樹的狀態(tài)評價按照裝備結構樹定義系統(tǒng)評價結構層級表，如圖1 所示。圖1 結構樹示意圖（1）定義第m 個設備的第n 個子設備狀態(tài)值為Qmn，若該器件有傳感器，則取傳感器檢測狀態(tài)值；若無傳感器可計為1；（2）利用子節(jié)點設備狀態(tài)值計算父節(jié)點設備狀態(tài)值，評級模型如下。（3）按照上述模型由底層向上逐級計算即可得到全系統(tǒng)狀態(tài)評價結果。2.3 基于
科學技術創(chuàng)新 2020年25期2020-08-11
- 一種基于切換拓撲的離散時間一致性協(xié)議
通性，智能體的狀態(tài)值就不能達成一致。本文從保持連通性的角度出發(fā)，設計了一種改進的Hegselmann-Krause一致性協(xié)議，使得多智能體系統(tǒng)可以始終保持連通，并最終一定能達成一致。本文的章節(jié)安排如下：II章節(jié)主要介紹一些閱讀本文所必需的基礎知識，包括圖論與矩陣論，離散一致性協(xié)議等等，并在末尾對本文研究的主要問題做了簡單的闡述。III章節(jié)陳述了本文的主要結果，提出了一種基于切換拓撲的離散時間一致性協(xié)議。IV章節(jié)通過仿真實驗驗證了該協(xié)議的有效性。最后，V章節(jié)
電子技術與軟件工程 2020年3期2020-06-12
- 2010款大眾朗逸車組合儀表上的擋位指示燈同時點亮
擋位，F(xiàn)125狀態(tài)值（后4位代表擋位信號）的倒數(shù)第2位（此位狀態(tài)由F125端子9的狀態(tài)決定）始終為“0”（圖9），而其他3位擋位信號均能正常變化，由此推斷可能的故障原因有：F125端子9與J217端子T52b/36之間的線路故障；F125損壞；J217損壞。圖9 S擋時F125狀態(tài)值異常（截屏）圖10 探針的連接用pico示波器的4個通道同時測量F125端子1、端子7、端子9和端子5的電壓變化（圖10、圖11），分析可知，端子1、端子7和端子5的電壓隨著擋
汽車維護與修理 2020年21期2020-05-09
- Spark環(huán)境下基于子圖的異步迭代更新方法
在第k 輪的狀態(tài)值根據(jù)連接邊上的源節(jié)點在第k-1 輪的狀態(tài)值計算得到。在全局同步機制下，頂點的全局狀態(tài)依賴于所有邊分區(qū)內(nèi)頂點的局部狀態(tài)。當所有邊分區(qū)頂點的局部狀態(tài)全部計算完畢，頂點的全局狀態(tài)更新才能開始。異構環(huán)境下如果連接邊分布在多個不同的邊分區(qū)，那么本地計算耗時最長的邊分區(qū)將直接影響下一輪迭代開始的時間。2.3 異步更新為提高算法收斂速度，Zhang[6]認為對公式（1）作適當變形后，可以得到公式（2）：公式（2）表明目的節(jié)點j 在第k 輪的狀態(tài)可以通
計算機工程與應用 2020年7期2020-04-07
- 基于Markov模型的HTTP參數(shù)排序隱蔽信道檢測方法
核心思想是每個狀態(tài)值只取決于前面一個狀態(tài)而與其他狀態(tài)無關[21]。本文將數(shù)據(jù)包報文轉(zhuǎn)化為對應的狀態(tài),通過建立正常通信和隱蔽通信的Markov模型狀態(tài)轉(zhuǎn)移概率矩陣,用相對熵來衡量兩者之間的差異。2 基于Markov模型的檢測算法2.1 Markov鏈Markov鏈是一個時間和狀態(tài)都是離散的馬爾可夫過程。假設數(shù)據(jù)鏈X={x1,x2,…,xn}中任意一個變量xt的值都在有限集E={0,1,…,n}中,即當n≥1時,i1,i2,…,in∈E,則式(1)成立。p{x
計算機工程 2020年2期2020-02-19
- 基于規(guī)則引擎的通訊衛(wèi)星應急任務調(diào)度
1：如果申請的狀態(tài)值為“null”，則申請的狀態(tài)值由“null”轉(zhuǎn)為“受理”；規(guī)則2：如果狀態(tài)值為“受理”的申請的用戶目標不是當前用戶中心的管理型號，則申請的狀態(tài)值由“受理”轉(zhuǎn)為“不受理”；規(guī)則3：如果狀態(tài)值為“受理”的申請的通信波段不在其申請的獨占資源通訊衛(wèi)星通信波段范圍內(nèi)，則申請的狀態(tài)值由“受理”轉(zhuǎn)為“不受理”；規(guī)則4：如果狀態(tài)值為“受理”的申請的任務持續(xù)時長小于2分鐘，則申請的狀態(tài)值由“受理”轉(zhuǎn)為“不受理”；規(guī)則5：如果狀態(tài)值為“受理”的申請的服務開
計算機工程與設計 2020年1期2020-02-08
- 2018款長安CS75車起停系統(tǒng)不工作
到其SOC充電狀態(tài)值，且SOC充電狀態(tài)值也能達到標準值，故可以排除蓄電池造成故障的可能；用萬用表測量發(fā)電機（IGC）的發(fā)電量，正常；發(fā)動機起動及運行均正常，也無故障代碼存儲，且能用故障檢測儀正常讀取到動態(tài)數(shù)據(jù)流，因此暫時不考慮ECU損壞的可能；用故障檢測儀能讀取到蓄電池的“SOC充電狀態(tài)”值，但卻無法讀取到“SOC狀態(tài)值”（“SOC狀態(tài)值”顯示為1和2才表明EBS自學習成功）這一關鍵數(shù)據(jù)，因此無法知道EBS是否自學習成功，并且由于儀表盤上的蓄電池電量狀態(tài)顯
汽車維護與修理 2019年3期2019-08-08
- 2型糖尿病初診患者實施心理護理的可行性研究
血糖蛋白、心理狀態(tài)值；不良反應發(fā)生率。1.4 統(tǒng)計學方法：SPSS18.0軟件分別實施t、χ2檢驗，P＜0.05為差異顯著。2 結 果2.1 兩組滿意程度分析：心理護理干預組對比常規(guī)護理干預組滿意程度更高，P＜0.05。心理護理干預組所有患者均滿意，常規(guī)護理干預組則僅有35例滿意。2.2 護理前后血糖指數(shù)值以及糖化血糖蛋白、心理狀態(tài)值分析：護理前兩組血糖指數(shù)值以及糖化血糖蛋白、心理狀態(tài)值接近，P＞0.05；護理后心理護理干預組血糖指數(shù)值以及糖化血糖蛋白、心
中國醫(yī)藥指南 2019年14期2019-06-24
- 抗惡意攻擊的分布式寬帶合作壓縮頻譜感知方法
縮采樣得到初始狀態(tài)值xi(0)；（2）在第m個迭代時刻，CUi發(fā)送狀態(tài)值xi(m)給它的鄰居用戶，并接收鄰居用戶的狀態(tài)值；（3）CUi依據(jù)某種判斷規(guī)則，判別是否為MU，并處理其狀態(tài)值；（4）CUi依據(jù)一定的融合規(guī)則，迭代融合各狀態(tài)值，得到更新的本地狀態(tài)值xi(m+1)；（5）重復步驟（2）～步驟（4），直到所有CU得到收斂的狀態(tài)值；（6）CUi比較檢測門限與收斂的本地狀態(tài)值，判決PU信號是否存在。其中，判斷規(guī)則（3）和融合規(guī)則（4）是分布式抗SSDF惡意攻
通信電源技術 2019年2期2019-03-23
- 一種基于元胞自動機的人群疏散仿真算法研究
法1.1 元胞狀態(tài)值的設定首先對安徽博物院平面地圖進行灰度處理，之后將每個像素點視為元胞，地圖墻壁等無法到達的障礙物(圖1中的黑色部分)設定為0， 參觀者設定為1， 空地設定為2， 第i個出口(圖1中的虛線部分)的元胞值設定為Ui(Ui為充分大的整數(shù),i=1,2,…,n).按上述方法所制得的安徽博物院地形示意圖如圖1所示.1.2 元胞屬性的設定為建立元胞的屬性矩陣，本文從地形、心理等方面對影響行人疏散的因素進行研究，各量化因素為：圖1 安徽博物院地形示意圖
延邊大學學報（自然科學版） 2019年4期2019-02-11
- 自組織遠距離無線通信網(wǎng)絡易受攻擊節(jié)點檢測算法
線通信網(wǎng)絡中的狀態(tài)值，得到的檢測結果準確率較低。張穎等[7]提出了一種無線通信網(wǎng)絡同步態(tài)的故障節(jié)點檢測算法，通過數(shù)學分析方法對自組織遠距離無線通信網(wǎng)絡的動力學機制進行描述，從全局的角度出發(fā)對無線通信網(wǎng)絡的健康程度進行評價，采用耦合矩陣表示網(wǎng)絡節(jié)點中存在細節(jié)信息，通過分析耦合矩陣檢測出易受攻擊的節(jié)點，該算法檢測節(jié)點所用的時間較長，存在檢測效率低的問題。常琳等[8]提出了一種基于數(shù)據(jù)驅(qū)動的節(jié)點檢測算法，該算法根據(jù)各個節(jié)點中存在的信息構建空間高維向量，通過鄰居節(jié)
中國電子科學研究院學報 2018年4期2018-09-13
- 引入勢場及陷阱搜索的強化學習路徑規(guī)劃算法
步的最大動作-狀態(tài)值函數(shù)作為動作選擇的策略：基于Q-learning的強化學習方法建立在馬爾可夫決策過程理論框架上，即智能體與環(huán)境的交互過程中，t時刻的狀態(tài)St只與上一個狀態(tài)S(t-1)下所采取的動作a(t-1)有關，而與歷史狀態(tài)和動作無關，即：Q-learning更新函數(shù)：其中，α為學習率，學習率越大，迭代速度越快，但易過擬合；γ為折扣率，即未來獎勵對當前動作的影響程度[10]。4 加入環(huán)境初始信息的快速Q(mào)-learning迭代算法傳統(tǒng)的Q-learni
計算機工程與應用 2018年16期2018-08-20
- 基于函數(shù)Petri網(wǎng)的有毒霧霾對地表自然生態(tài)環(huán)境的危害性評價研究*
同庫所的標識和狀態(tài)值通過變遷的觸發(fā)來改變，而任何變遷的觸發(fā)都必須滿足一定的使能條件，即?s∈?t，M(s)≥W(s，t)，即M(s)≥1時，變遷t∈T才能使能.若一個庫所的標識同時滿足兩個變遷使能條件，用空心長方形來表示觸發(fā)優(yōu)先級別高的變遷，即優(yōu)先觸發(fā)空心長方形表示的變遷.變遷觸發(fā)規(guī)則：若s∈?t-t?，M′(s)取M(s)-1，若s∈t?-?t，M′取M(s)，其他情況下M′(s)取M(s).如圖1(a)所示，?ti為si，M(si)=0如圖2(a)所示
湘潭大學自然科學學報 2018年3期2018-07-20
- SRM狀態(tài)轉(zhuǎn)換表和應用中新狀態(tài)獲取方法
設計實踐中的新狀態(tài)值獲取方法。因此，以目前應用中占大多數(shù)的光電位置傳感器為例，針對轉(zhuǎn)子相對位置和傳感器輸出值分析狀態(tài)轉(zhuǎn)換表及其規(guī)律；分析在電機運行時直接讀取傳感器來獲取新狀態(tài)值所遇到的問題，基于狀態(tài)轉(zhuǎn)換表規(guī)律，提出了依據(jù)上一次狀態(tài)值和捕捉當前輸出值發(fā)生變化的傳感器編號而通過查表獲取的方法，并設計轉(zhuǎn)子正反轉(zhuǎn)查詢的表格。狀態(tài)轉(zhuǎn)換表分析和實踐中獲取新狀態(tài)值的思路和方法對于其它結構形式的SRM調(diào)速系統(tǒng)均適用，可提供參考和借鑒。1 位置分布關系分析狀態(tài)轉(zhuǎn)換表可從轉(zhuǎn)子
微特電機 2018年6期2018-07-03
- 基于層次變權的物流網(wǎng)絡流量分配模型
的權重隨著因素狀態(tài)值的變化而變化，使因素的權重能更好地體現(xiàn)相應因素在決策中的作用。物流網(wǎng)絡具有復雜性和動態(tài)性特征，因此，在進行物流網(wǎng)絡的路徑選擇及貨流量分配時，應從動態(tài)的角度考慮多種因素的綜合影響。本文在分析物流網(wǎng)絡構成要素及要素屬性之間相互關系的基礎上，對這些因素由底至頂進行分層，結合決策者的因素偏好，依據(jù)變權理論，研究各層因素權重的構成與計算方法，從而建立物流網(wǎng)絡層次變權模型，在此基礎上對物流網(wǎng)絡的貨流量分配優(yōu)化問題進行研究。1 物流網(wǎng)絡層次變權模型的
山東農(nóng)業(yè)大學學報（自然科學版） 2017年6期2017-12-27
- 一種基于區(qū)域電流模型的配網(wǎng)分布式故障定位與隔離方法
。表1中的電流狀態(tài)值的定義為：系統(tǒng)中發(fā)生故障后，開關n檢測流過自身的電流in，若方向與參考方向相同記為in；相反記為-in；若未檢測到電流記為0。以有功潮流方向作為電流方向的判定依據(jù)。表1中的狀態(tài)值是通過將關聯(lián)方向和對應的電流狀態(tài)值相乘得到的，用Sn表示。當Sn=in表示開關檢測到故障電流，且方向為流入本區(qū)域；Sn= -in表示檢測到故障電流，方向為流出本區(qū)域；Sn=0表示未檢測到故障電流。表1 開關K5的開關狀態(tài)表1.3 開關狀態(tài)表的設置開關狀態(tài)表中的開
電氣自動化 2017年3期2017-10-09
- 改進蟻群算法在配電網(wǎng)故障區(qū)段定位中的應用
測控點FTU的狀態(tài)值和預先存儲的各區(qū)段發(fā)生故障時的各個測控點的狀態(tài)值，如果某個區(qū)段發(fā)生故障時的狀態(tài)值和實際測量的一致，則判定此區(qū)段故障。開關函數(shù)設定是在仿真的時候，假設一個故障區(qū)段去確定其他測控點狀態(tài)值的函數(shù)。為了提高運算速度，從配電網(wǎng)的末測控點向前推算［6］。圖1 單電源輻射型網(wǎng)絡圖 1 中的 S 為配電網(wǎng)電源，（1，2，3，4，5，6）表示饋線開關，也就是所要求的測控點，（a，b，c，d，e，f，g）表示的是配電網(wǎng)的各個區(qū)段?；趫D1，從配電網(wǎng)末端根據(jù)
山東電力技術 2017年8期2017-09-15
- 中高溫相變儲熱控制系統(tǒng)應用研究
統(tǒng)參數(shù)1號儲熱狀態(tài)值為0，系統(tǒng)參數(shù)2號儲熱狀態(tài)值為0。（2）開始運行圖1 相變儲熱系統(tǒng)電動閥MV 001，MV 004，MV 008打開。圖2 儲熱介質(zhì)溫升曲線當汽包壓力值>400 kPa（G）之后，開啟電動調(diào)節(jié)閥MV 005到15%。當TE 38>165℃時開啟電動調(diào)節(jié)閥MV 007到15%，電動門MV 009。TE 38TE 38>170℃時，電動調(diào)節(jié)閥MV 005和MV 007的開度為25%；TE 38當TE 1～TE 6的信號值中有5個信號值升至1
上海節(jié)能 2017年5期2017-06-15
- 分布式協(xié)作認知無線電SSDF攻擊的防御策略綜述
合規(guī)則更新本地狀態(tài)值，本地狀態(tài)值更新后即表示完成一次數(shù)據(jù)融合過程[8-12]。整個網(wǎng)絡各節(jié)點將重復以上信息交互與數(shù)據(jù)融合過程，直到所有節(jié)點狀態(tài)值達到收斂狀態(tài)。由此可知，CSS實質(zhì)是多個SU一起確定頻譜資源的使用情況，通過融合不同SU的感知數(shù)據(jù)來提高頻譜感知的準確性和可靠性。但CSS的協(xié)同特性在獲得較高感知技術收益的同時，也可能帶來更多風險。例如CSS網(wǎng)絡中存在多種潛在的安全威脅，其中最為常見的有模仿主用戶 （incumbent emulation，IE）攻
電信科學 2017年1期2017-05-03
- 使用X-431 PRO 3S進行保時捷Panam era水平高度系統(tǒng)的“更換空氣彈簧”操作方法
充程序”功能的狀態(tài)值由“等待”到“功能已完成”，狀態(tài)值為OK，如圖 6 所示。圖6 功能已完成14.右前選項完成后，可以再點擊第二項“氣動彈簧選擇”，選擇左前、左后或右后的任意一個選項。點擊“啟動”，注意狀態(tài)和值的變化。15.如果需要對空氣彈簧排氣，在特殊功能里面點擊“空氣彈簧排氣”,如圖7所示。圖7 點擊“空氣彈簧排氣”16.點擊“確定”，進入界面后，顯示蓄電池電壓、點火及發(fā)動機轉(zhuǎn)速功能的狀態(tài)和值。17.點擊“下一步”，選擇 “氣動彈簧選擇”，如圖8所示
汽車維修與保養(yǎng) 2017年12期2017-03-27
- 利用身份代碼加速分布式協(xié)作頻譜感知
區(qū)分各次用戶的狀態(tài)值和權值，避免節(jié)點間數(shù)據(jù)的重復融合，并提出了一種快速分布式加權協(xié)作頻譜感知算法。仿真結果表明，所提算法檢測性能與分布式一致性加權算法相當，同時收斂速度明顯提升。認知無線電；協(xié)作頻譜感知；身份代碼；收斂速度作為一種動態(tài)智能頻譜管理技術，認知無線電(Cognitive Radio，CR)技術成為解決頻譜資源日益匱乏、頻譜利用低效等問題的關鍵技術手段[1-2]，在主用戶(Primary User，PU)不占用其授權頻段時，允許次用戶(Secon
電視技術 2016年11期2016-12-21
- 一種基于隨機投影的貝葉斯時間差分算法
好地平衡了評估狀態(tài)值函數(shù)精度和算法執(zhí)行時間.強化學習;馬爾科夫決策過程;高斯過程;隨機投影;時間差分算法1 引言強化學習(Reinforcement Learning,RL)是在未知、動態(tài)環(huán)境中在線求解最優(yōu)策略,以獲取最大期望回報的一類算法.強化學習方法的基本框架為:Agent通過試錯與環(huán)境進行交互,將每一步的延遲回報通過時間信用分配機制傳遞給過去動作序列中的某些動作,用值函數(shù)評價每個狀態(tài)或狀態(tài)動作對的好壞程度,最終通過值函數(shù)確定最優(yōu)策略[1,2].目前強
電子學報 2016年11期2016-12-09
- 基于短文本的突發(fā)事件發(fā)展過程表示方法
，提出一種事件狀態(tài)值，它被用于描述事件在各個時間點的狀態(tài)，以便于用戶分析事件的發(fā)展過程；其次，根據(jù)短文本的結構化信息，將事件狀態(tài)值從文本信息和用戶信息兩個方面考慮；然后，考慮文本信息的影響因子，構造相關公式計算文本信息權重；再次，考慮用戶信息的影響因子，提出一種改造的PageRank算法和用戶分層思想，構造相關公式計算用戶信息權重；最后，根據(jù)文本信息權重和用戶信息權重計算事件狀態(tài)值。實驗結果表明依次考慮用戶信息、采用改造的PageRank算法以及采用分層思
計算機應用 2016年6期2016-06-28
- 電動汽車續(xù)駛里程估計方法
計算電池當前的狀態(tài)值；獲取整車歷史能耗值，歷史行駛工況，預測未來行駛工況，計算出整車未來能耗預測值；由整車未來能耗預測值，電池當前的測量值和電池當前的狀態(tài)值，通過電池電-熱耦合模型預測動力電池在整車未來能耗預測值下的剩余可用能量；以及根據(jù)整車未來能耗預測值和剩余可用能量，計算出車輛的續(xù)駛里程。該發(fā)明的電動汽車續(xù)駛里程估計方法，通過電池電-熱耦合模型預測動力電池在未來運行工況下的剩余可用能量，通過未來行駛工況預測，結合整車能耗模型預測車輛未來一段時間的能耗，
科技資訊 2016年17期2016-05-30
- 地鐵車輛MVB通訊故障案例分析
MP2車MCM狀態(tài)值為“0”，MP2車顯示高速斷路器斷開，2秒后4個高速斷路器全部斷開，M1和MP1車MCM狀態(tài)值為“24”(保護屏蔽)，緊急制動瞬間觸發(fā)(非ATP觸發(fā))，此時手柄處于制動位，車輛速度為0.2km/h，ACM狀態(tài)全部正常，受電弓為升弓狀態(tài)。此階段ED和DR見表1和圖1。(2)事件第二階段:6:17:16秒M1車和MP1車MCM狀態(tài)“28(保護關閉過程中)”，M1和MP1車高速斷路器斷開，6:17:18秒4個動車的高速斷路器全部斷開，M2和M
中國科技縱橫 2015年7期2015-12-01
- 起重機多級模糊綜合評價風險分析方法研究
），①各評價值狀態(tài)值的測量或計算。②指標狀態(tài)值的無量綱化處理，得到評價值。圖4 測量原始數(shù)據(jù)到評價值的過程圖評價指標的狀態(tài)值是指各指標的測量或檢測數(shù)據(jù)，這些評價指標狀態(tài)值所包含的量綱有MPa、mm等。這些不同的量綱不具備可比性，必須經(jīng)過無量綱化處理。指標無量綱化處理的目的就是解決指標間量綱不同，不能進行合成運算的問題。同時，使得指標數(shù)據(jù)的取值區(qū)間統(tǒng)一化，均處于[0，1]中，即為指標的評價值。如強度指標的評價值可按式（1）確定。當my≤0.15時，指標狀態(tài)值
設備管理與維修 2015年8期2015-01-06
- 汽車爆胎應急自動制動系統(tǒng)穩(wěn)定性控制
車輛逆時針橫擺狀態(tài)值，如橫擺為順時針則執(zhí)行抗車輛順時針橫擺狀態(tài)值，車輪ABS控制采用每隔50 ms中斷1次執(zhí)行，如果有ABS控制則優(yōu)先于應急穩(wěn)定性控制，執(zhí)行完ABS控制中斷后返回至應急穩(wěn)定性控制.直至車速降至20 km·h-1后，車輛保持原制動狀態(tài)到停車.爆胎應急自動制動執(zhí)行模塊如圖3所示，只給出了左后輪爆胎時控制流程，ifflag=3，而其他輪爆胎的控制流程與左后的基本一致，只需在各狀態(tài)值標記上修改成相應的爆胎輪標記號就可以.圖3中e為實際橫擺角速度偏差
江蘇大學學報（自然科學版） 2014年5期2014-12-23
- ControlImp：生物系統(tǒng)可控性插件
則控制輸入節(jié)點狀態(tài)值曲線和普通節(jié)點的狀態(tài)值曲線計算方法如下：控制輸入節(jié)點狀態(tài)值曲線如式 （5）所示普通節(jié)點狀態(tài)值曲線如式 （6）所示當控制輸入向量u（t）＝ （u1（t），…up（t））T作用于驅(qū)動節(jié)點矩陣B 時，普通節(jié)點矩陣A 的狀態(tài)值曲線x（t）最終趨于0，則可以判斷生物系統(tǒng)是可控的，從而能夠?qū)⑸锵到y(tǒng)從非正常狀態(tài)狀態(tài)控制到正常狀態(tài)。2 插件設計與實現(xiàn)Cytoscape軟件致力于為用戶提供一個開源的網(wǎng)絡顯示和分析平臺，軟件主要提供了網(wǎng)絡顯示、布局、查詢
計算機工程與設計 2014年11期2014-12-20
- 大規(guī)模氣泡湮滅的元胞自動機模擬
別,稱為該點的狀態(tài)值. 氣泡破裂時的狀態(tài)值稱為臨界狀態(tài)值,其大于各級別的狀態(tài)值. 當狀態(tài)值為零時表示氣泡已破裂狀態(tài). 在下一時刻,由于水重的增加使得狀態(tài)值增加,超過時氣泡發(fā)生破裂,并將水重均分給周圍可能存在的氣泡,從而構成一個多狀態(tài)的元胞自動機.圖1 蜂房網(wǎng)格(A)和單胞及其對偶網(wǎng)格(B)Fig.1 Honeycomb grid (A) and unit cell and its dual grid (B)1.1 非飽和狀態(tài) 非飽和狀態(tài)是指某點周圍當前時刻
吉林大學學報（理學版） 2014年5期2014-09-06
- 人力資源戰(zhàn)略決策指標體系構建整合模型研究
度，并進行維度狀態(tài)值算法設計與配置。根據(jù)綜合評價原理，構建基于廣義灰色絕對關聯(lián)度的人力資源戰(zhàn)略決策指標體系構建整合模型。其結論為組織獲取全面系統(tǒng)和可靠的人力資源戰(zhàn)略決策依據(jù)，提供可操作的工具，為組織實現(xiàn)其戰(zhàn)略目標提供必要的理論支持。endprint摘要：在設計定構式清單主觀初選法后，提煉出4個評價維度，并進行維度狀態(tài)值算法設計與配置。根據(jù)綜合評價原理，構建基于廣義灰色絕對關聯(lián)度的人力資源戰(zhàn)略決策指標體系構建整合模型。其結論為組織獲取全面系統(tǒng)和可靠的人力資源
科技與管理 2014年2期2014-07-24
- 多智能體系統(tǒng)初始狀態(tài)一致性應用研究
信息流）為G，狀態(tài)值為x∈Rn的網(wǎng)絡（或代數(shù)圖）表示為Gx=(G，x)。2.1.2 一致性協(xié)議假定所考慮的動態(tài)智能體網(wǎng)絡包含n個智能體。每個智能體被視為有向圖G中的一個節(jié)點。每條邊(vj，vi)∈ξ(G(t))對應在時刻t，智能體i到智能體j之間的可靠信息傳遞。另外，每個智能體只根據(jù)自身和它鄰居智能體的信息改變目前的狀態(tài)值。考慮單積分器智能體動力學特性，令其中xi(t)∈R為智能體的信息狀態(tài)值，ui(t)為時刻t時的控制輸入（或協(xié)議）。2.2 問題描述多個
計算機工程與應用 2014年13期2014-02-28
- 復雜零件網(wǎng)絡化制造的生產(chǎn)加工狀態(tài)模型研究
矢量的物料工藝狀態(tài)值。此方法解決了工序多時字符串多的問題，但是不能精確地記錄物料在一道工序加工過程中的狀態(tài)。王萬雷［3］提出16進制描述法，用16進制中前10位記錄每道工序狀態(tài)，組成工藝狀態(tài)矢量，通過16進制計算某時刻物料工藝矢量的物料工藝狀態(tài)值。該方法減少了每一個任務域中可以表達的工藝狀態(tài)矢量長度，加大了計算量。雖然這些都是車間制造中物料工藝狀態(tài)的描述方法，但是從物料流動性質(zhì)來看，在一個企業(yè)內(nèi)部各個車間之間流動的物料與在虛擬企業(yè)中各個企業(yè)之間的物料流動本
機床與液壓 2013年7期2013-03-31
- 模糊層次分析法的改進及其在變壓器壽命評估中的應用
氏貼近度和健康狀態(tài)值為了反映出被評估變壓器的實際健康狀態(tài)，結合評估指標權重，利用歐氏貼近度的改進公式:定義HI(HI∈［0，1］)為待評估對象的健康狀態(tài)值．HI 值越大待評估對象的健康程度越高．2．4 變壓器剩余技術壽命的預測電力變壓器健康程度與其運行時間的關系可以表征為［11］由于打樁機在施工過程中產(chǎn)生較大的噪音，如若施工地點靠近居民區(qū)則會對人們產(chǎn)生較大影響，通常采用消聲技術進行壓制磚的基礎施工。這種施工方法是利用靜壓將樁基打入土壤中，施工質(zhì)量與樁身高度
鄭州大學學報（工學版） 2013年3期2013-03-18
- 煤層氣開發(fā)項目風險評估方法
估計風險因素的狀態(tài)值和概率，通過組合各種風險因素狀態(tài)值模擬決策情景，按照風險識別、風險估計、風險評價的流程構建了煤層氣開發(fā)項目風險評估模型，再計算出各種情景下的效益值及概率，進而達到評價項目風險的目的?？紤]到傳統(tǒng)以標準差及標準差系數(shù)表征油氣開發(fā)項目風險與實際投資決策需要不相符，引入了擴展半標準差及擴展半標準差系數(shù)作為煤層氣開發(fā)項目風險評價指標。應用結果表明，在合理評估風險基礎上計算得到的期望凈現(xiàn)值較無風險凈現(xiàn)值更接近項目的真實收益，擴展半標準差系數(shù)與標準差
天然氣工業(yè) 2012年3期2012-12-14
- 粗糙認知圖RCM模型研究
ci在t時刻的狀態(tài)值，(t)∈［－1，1］，其狀態(tài)值越大表示該概念的狀態(tài)越活躍。節(jié)點間有向連接弧對應的權值wij∈－1，0，{ }1 ，表示概念間關系增加與減少兩種定性狀態(tài)。模糊認知圖［3，4，7］把概念間的三值{－1，0，1}邏輯關系擴展為區(qū)間［－1，1］上的模糊關系。其概念值為模糊值，也可以為二值，反映該節(jié)點對某概念以某種程度發(fā)生或表示概念狀態(tài)是關還是開。概念間的因果關系是模糊關系，其聯(lián)系強度也為模糊值。概念節(jié)點的輸出與兩種類型水平有關，即概念節(jié)點自身
華北理工大學學報(自然科學版) 2012年1期2012-06-15
- 抱閘控制單元中冗余設計的應用
提供軸的位置環(huán)狀態(tài)值，對應Y、V軸具體狀態(tài)值地址：V39010001.5，V39030001.5，PLC對以上地址的狀態(tài)值無條件地進行周期掃描， 狀態(tài)值為“1”時正常，接通抱閘電源；狀態(tài)值為“0”不正常，斷掉抱閘電源（抱閘機構單元得電松開，失電夾緊）。2.2.2 PLC邏輯電路LD SM0.0LD V39010001.5O V39030001.5ALD= Q1.32.3 外圍控制電路（改進前）圖2 外圍控制電路圖（改進前）2.3.1 電路圖說明Q1.3：P
制造業(yè)自動化 2011年21期2011-07-07
- IKEv2協(xié)議中消息協(xié)商的一種實現(xiàn)方案
轉(zhuǎn)換定義了多個狀態(tài)值和狀態(tài)轉(zhuǎn)換表,通過對狀態(tài)轉(zhuǎn)換的跟蹤,完成整個協(xié)商交換。并使用交換得到的信息生成安全傳輸所需的密鑰種子和各種密鑰,成功建立IKE_SA和CHILD_SA。IPsec;IKEv2;消息協(xié)商IP安全協(xié)議 IPsec協(xié)議族[1]是組建VPN[2]所使用的一種主要協(xié)議,也是IETF為了彌補Internet的安全性缺陷而設計的。IPsec是一組開放標準集,協(xié)同工作來確保對等設備之間的數(shù)據(jù)機密性、數(shù)據(jù)完整性以及數(shù)據(jù)認證。Internet密鑰協(xié)商(IK
湖北工程學院學報 2010年6期2010-01-16