期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于西门子PLCS7-300连铸机二冷水控制系统设计及仿真
被引量:
1
1
作者
陈旭
龚璐
《重庆理工大学学报(自然科学)》
CAS
2014年第9期117-121,共5页
针对传统二次冷却控制不当出现的铸坯缺陷,对弧形连铸机二冷水系统的设计进行改造。在原有的控制系统基础上,通过配置现场检测和调节设备,实时采集现场信号送至PLC。同时增加PLC内部的PID功能模块,以水管的实际流量作为反馈量,完善PLC程...
针对传统二次冷却控制不当出现的铸坯缺陷,对弧形连铸机二冷水系统的设计进行改造。在原有的控制系统基础上,通过配置现场检测和调节设备,实时采集现场信号送至PLC。同时增加PLC内部的PID功能模块,以水管的实际流量作为反馈量,完善PLC程序,使系统由原来较为简单的开环控制系统升级为闭环控制系统,以实现对水量的精确控制,获得铸坯最佳冷却效果,满足生产工艺需要,降低漏钢率,提高铸坯外形质量。
展开更多
关键词
二冷水
闭环控制
PLC
PID调节
下载PDF
职称材料
一种基于参数优化C-SVM的脑电信号分类方法及应用
被引量:
2
2
作者
张毅
刘毅坚
罗元
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014年第1期131-136,共6页
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电...
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电信号特征分类方法在选取惩罚参数与核函数参数时大都只是采用经验数据,而忽略了参数优化对提升SVM分类效果重要性,而现有的参数优化方法计算复杂严重影响了分类效率。针对以上问题,提出了一种通过交叉检验和LOO误差上界对C-SVM中的惩罚参数C和核函数参数进行优化的方法,并在理论分析的基础上结合实验证明了参数优化后的分类方法能够有效提高脑电信号分类的准确率且对分类效率影响不大。
展开更多
关键词
支持向量机(SVM)
脑电信号(EEG)
参数估计
交叉检验
LOO误差上界
原文传递
题名
基于西门子PLCS7-300连铸机二冷水控制系统设计及仿真
被引量:
1
1
作者
陈旭
龚璐
机构
重庆
钢铁集团股份有限责任公司
重庆邮电大学智能系统及智能机器人研究所
出处
《重庆理工大学学报(自然科学)》
CAS
2014年第9期117-121,共5页
文摘
针对传统二次冷却控制不当出现的铸坯缺陷,对弧形连铸机二冷水系统的设计进行改造。在原有的控制系统基础上,通过配置现场检测和调节设备,实时采集现场信号送至PLC。同时增加PLC内部的PID功能模块,以水管的实际流量作为反馈量,完善PLC程序,使系统由原来较为简单的开环控制系统升级为闭环控制系统,以实现对水量的精确控制,获得铸坯最佳冷却效果,满足生产工艺需要,降低漏钢率,提高铸坯外形质量。
关键词
二冷水
闭环控制
PLC
PID调节
Keywords
two cold water
closed-loop control
PLC
PID regulator
分类号
TB24 [一般工业技术—工程设计测绘]
下载PDF
职称材料
题名
一种基于参数优化C-SVM的脑电信号分类方法及应用
被引量:
2
2
作者
张毅
刘毅坚
罗元
机构
重庆邮电大学智能系统及智能机器人研究所
出处
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014年第1期131-136,共6页
基金
科技部国际合作项目(2010DFA12160)~~
文摘
脑电信号(electroencephalograph,EEG)由于自身信号微弱且容易受到周边环境和大脑内部其他活动的影响,对其进行特征分类并提高分类准确率这一问题一直是脑机接口领域的难点。传统的基于支持向量机(support vector machines,SVM)的脑电信号特征分类方法在选取惩罚参数与核函数参数时大都只是采用经验数据,而忽略了参数优化对提升SVM分类效果重要性,而现有的参数优化方法计算复杂严重影响了分类效率。针对以上问题,提出了一种通过交叉检验和LOO误差上界对C-SVM中的惩罚参数C和核函数参数进行优化的方法,并在理论分析的基础上结合实验证明了参数优化后的分类方法能够有效提高脑电信号分类的准确率且对分类效率影响不大。
关键词
支持向量机(SVM)
脑电信号(EEG)
参数估计
交叉检验
LOO误差上界
Keywords
support vector machines(SVM)
electroencephalograph(EEG)
parameter estimation
cross-validation
LOO estimation
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
R318 [医药卫生—生物医学工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于西门子PLCS7-300连铸机二冷水控制系统设计及仿真
陈旭
龚璐
《重庆理工大学学报(自然科学)》
CAS
2014
1
下载PDF
职称材料
2
一种基于参数优化C-SVM的脑电信号分类方法及应用
张毅
刘毅坚
罗元
《重庆邮电大学学报(自然科学版)》
CSCD
北大核心
2014
2
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部