摘要：厄尔尼诺-南方涛动(El Niño-Southern Oscillation, ENSO)是热带太平洋海表面温度发生异常的现象,会导致冰雹、洪水、台风等极端天气的出现,因此对ENSO的准确预测意义重大。本文设计了集成GCN-Transformer(GCNTR)模型,首先运用Transformer网络的全局特征聚焦能力对数据特征进行编码,然后结合GCN提取图数据特征的能力,最后引入特征融合门控机制将经过编码的特征和GCN提取的特征进行融合,实现ENSO的精确预测。结果表明,GCNTR模型实现了对ENSO提前20个月的预测,比ENSOTR多了3个月,比Transformer多了5个月,并且模型绝大部分的预测精度优于其他模型。与现有的方法相比,GCNTR模型能够实现对ENSO更好的预测。

摘要：针对现代化工过程中数据非线性、高维度以及动态时序等特点,传统的故障诊断模型对化工过程的故障诊断精度较低.基于此,设计了一种基于改进的长短时记忆神经网络(LSTM)故障诊断方法.首先,将采集的故障数据输入卷积神经网络(CNN),对数据进行特征提取和降维;其次,将处理过的数据输入改进的LSTM网络,进行深层特征提取;最后,把提取的深层特征信息输入到注意力机制进行特征“聚焦”,实现特征融合后输入softmax分类器实现故障分类.由田纳西-伊斯曼(TE)过程诊断实验结果表明,基于改进的LSTM网络的故障诊断方法在故障分类精度、训练速度方面都更优于递归神经网络(RNN)、门控循环神经网络(GRU)、卷积神经网络(CNN)和深度自编码网络(DAEN),在实际化工过程的应用有一定的优势.

摘要：电子设计类实践课程的教学目的是要学生掌握电子电路的基本设计方法、验证方法,同时培养学生的实践能力。本文以交通灯控制电路为例,介绍了电子电路的一般设计方法。设计过程中使用Multisim软件对理论设计结果进行电路仿真,并对结果进行了分析。通过验证,该交通灯可以实现现有道路十字路口的交通指挥功能,具有较高的可靠性和一定的实用性。使用Multisim软件进行电路的设计和仿真,不仅省时,而且可以节约大量的实验资源,而且可以给枯燥的课堂教学提供生动的教学演示,激发学生的学习兴趣,提高教学效果。

摘要：微课具有多元化、短小精干、易于实施与发布等优点,是一种现代化教育手段,是课堂教育的有益补充.结合"新工科"大学教育教学改革方向,本文就如何将"微课"等新手段引入数字电子技术课程教学环节,以组合逻辑电路设计为例提出设计与制作的思路.

摘要：介绍了基于以太网的水厂网络监控系统,运用组态王6.53、STEP 7-Micro/WIN V4.0SP6等软件设计监控软件,并进行硬件组态。实际运行表明,系统达到了设计要求,实现了水厂的实时自动化控制。

摘要：针对泡沫玻璃生产线窑炉温度控制的工艺要求,设计并应用了P L C温度控制系统、P I D控制算法。现场应用表明,该系统运行稳定可靠,设计先进,界面友好,控制精度高,具有较高的实用价值,从而保证了产品的质量,降低了能耗,提高了企业竞争力。

摘要：电子技术课程的一大特点就是内容相对抽象,学生在学习过程中不容易快速理解,需要花费大量的课外时间继续巩固,使得教学效果一般。Multisim是一个专门用于电子线路仿真与设计的EDA工具软件,在教学过程中加入虚拟现实的仿真教学环节,有利于学生迅速掌握课程中的抽象内容,提高教学质量。本文重点分析论述了Multisim在电子技术教学内容RC基本文氏桥振荡电路、RC移相式振荡器、RC双T反馈式振荡器等的具体应用。

摘要：针对污水处理过程中出水生化需氧量(Biochemical Oxygen Demand,BOD)等水质参数受其它环境因素的影响较大,难以建立准确测量模型等的问题,提出一种基于改进蜣螂算法(Improved Dung Beetle Optimizer,IDBO)优化极限学习机(Extreme Learning Machine,ELM)的方法对污水出水BOD浓度进行预测。首先,选用随机森林算法(Random Forest Algo-rithm,RFA)对筛选出与BOD相关性较高的因子作为软测量模型的输入变量;其次,引入Tent混沌映射增加DBO算法的种群多样性等问题,利用IDBO算法来优化确定ELM权值分配,以提高ELM网络的预测精度;最后,将设计的IDBO-ELM软测量模型应用于污水处理仿真平台中,并与不同预测模型进行对比。结果表明:论文所设计的IDBO-ELM预测模型得到更高的预测精度和更稳定的网络结构。

摘要：基于有源噪声控制算法,设计出一种有源噪声控制器。以TMS320C5509为核心,给出了系统的硬件解决方案,并利用混合编程在硬件系统上实现了基于LMS算法的有源噪声实时控制。实验结果表明,系统取得了良好的降噪效果。

摘要：针对污水处理过程中出水生化需氧量(BOD)难以在线准确测量的问题,提出一种基于随机森林(RF)重要性评估与改进海鸥算法(ISOA)优化长短期记忆神经网络(LSTM)相结合的软测量方法对出水BOD进行预测.利用随机森林算法对影响出水BOD的预测因子进行重要性评估,筛选出重要性评分较高的预测因子作为软测量模型的输入变量;设计一种基于改进海鸥优化算法(ISOA)优化LSTM网络的软测量模型,引入混沌映射与新的搜索机制克服海鸥优化算法多样性差、易陷入局部最优等问题,利用改进的海鸥优化算法对LSTM网络的迭代次数、隐含层节点数、初始学习率、学习率下降因子4个超参数进行优化.将软测量模型运用于实际污水处理过程,结果表明:经随机森林筛选变量以及改进海鸥算法优化之后,模型预测误差变小,预测精度有明显提高,能够实现对出水BOD的精准预测.