传统在线采集系统采集的数据质量不高，为此，设计基于OPC UA技术的印染企业车间设备数据在线采集系统。传感器搭载采集卡在线采集印染企业车间设备数据，借助OPC UA传输协议将数据传输到OPC UA服务器，运行数据处理模块，实施异常值、缺失值处理，并进行规范化。将处理后的数据存储到数据库，完成印染企业车间设备数据采集。结果表明，OPC UA传输方式的数据包延迟抖动范围更小，说明OPC UA传输的稳定性和可靠性更高。
目前，全球都在大力发展清洁能源，其中使用较多的为太阳能发电、风力发电、水力发电等。提高能源转换效率成为了发展清洁能源的关键。文章研究在光伏发电系统中利用模糊扰动观察算法，使光伏电池输出能够更加快速地达到最大功率点并趋于稳定。将模糊控制算法与变步长扰动观察法相结合，以锂电池作为储能电池，建立光伏储能系统。搭建锂电池和太阳能电池的双电池切换平台，通过测试不同环境条件下输出功率的大小，与无最大功率点跟踪(MPPT)控制时的输出功率和仿真下理想的输出功率进行比较，验证模糊扰动观察算法对平台的适用性，以及光伏发电的输出性能。测试结果表明，证明模糊扰动观察算法能延长系统的运行时间。
现有的电机故障分类方法大多采用单一物理量来识别故障，这使得故障诊断的准确性较低。文章详细介绍信息融合的概念，并采用主成分分析(PCA)和区间映射法解决了数据维度高和不均衡的问题。进一步地，提出一种基于多源信息融合机器学习算法的电机故障分类方法进行故障分类，并通过所提出的方法对故障数据进行验证，最终将分类结果的准确率提高至99.0%,展现了其在电机故障诊断中的有效性和实用性。
随着社会的发展，传统技艺的传承愈发困难，因此，采用福格行为模型设计木工榫卯结构严肃游戏。从情感、认知及技能领域设定游戏框架，采用3DS Max和Altizure软件构建相关模型，根据用户的动机、能力和触发因素进行游戏交互设计，并采用Room Scale技术优化人物控制。实验表明，游戏的各个功能均能够正常进行，系统功能全部达到期望效果。所有参与者参与游戏后的科普题目测试正确率均有大幅提升，除第11题外，剩余题目的测试正确率均在80%以上，正确率提升幅度最大的是第15题，提升了67.3%,系统可用性量表评分均在70以上。由此可得，所设计的游戏能够有效实现榫卯结构的科普效果，提升用户对榫卯结构的兴趣，宣扬传统文化。
传统的盲信号分离算法只适合正定情况，需要满足输入观测信号为满秩。盲源信号一般经预处理可被分解为多个分量信号，并且在独立成分分析算法中，作为输入的重建观测信号的分量信号的数量和类型选择将至关重要。针对这一问题，将典型的奇异值分解(SVD)与变分模态分解(VMD)算法有效结合，实现对源信号个数的有效估算，从而选取确定数目的分量信号以重构观测信号，达到独立分量分析算法要求信号满秩的要求，实现最优分离。仿真实验表明所提出的方法可正确有效估算出源信号个数，具有可行性以及高效性。
非完整档案往往因数据缺失、格式多样及模态间信息割裂而呈现高度的复杂性和不完整性，导致难以直接进行高效、准确的跨模态检索。为了缩小模态间的语义鸿沟，提出融合注意力机制的非完整档案跨模态数据哈希检索方法。结合深度神经网络分别提取图像和文本的特征，将图像特征视为查询，将文本特征视为键和值，结合多头注意力机制对其进行融合处理。通过计算不同特征元素到维度上下边界之间的距离，结合比较操作对向量元素进行哈希编码。对查询向量和档案向量之间的汉明距离进行计算，基于相似度评分对检索结果排序。对所提出的方法进行检索精度的检验，测试结果表明，采用所提出的方法对跨模态数据进行哈希检索时，方法的P-R曲线表现较好，具备较为理想的检索效果。
针对电动汽车充电站的规划问题，提出一种基于多目标优化的双层规划方法。为了实现充电需求满足率、成本和负荷方差的综合优化，通过算法协同优化充电站的选址和充电策略。研究建立电动汽车充电需求模型，分析用户满意度，并采用动态预测模型来模拟充电行为。构建充电站选址规划模型，采用改进粒子群算法求解上层规划问题，通过建立充电桩的状态变量求解下层规划最佳的充电选项。仿真结果表明，所提出的方法在反转世代距离(IGD)和超体积(HV)指标上均优于现有主流算法，验证了其有效性和实用性。所提出的方法为充电站规划提供了科学、合理的决策支持，为电动汽车充电基础设施的可持续发展贡献了理论和实践指导。
针对目前电力用户用电模式识别性能较低的问题，提出一种基于混合深度学习模型的电力用户用电模式识别模型。对一维时间序列数据进行预处理，将其转化为二维矩阵数据，从而提高训练性能。建立一个混合深度学习模型，利用卷积神经网络(CNN)提取空间特征，采用长短时记忆网络(LSTM)提取时间维度特征，使用随机森林(RF)实现解码和输出用电类别。当用电量数据中存在低频或不明显的特征时，提出基于优先级的特征相关性来解决识别性能低的问题。仿真结果表明，与RF、CNN和LSTM相比较，所提出的模型的准确率(ACC)和马修斯相关系数(MCC)指标较优。仿真结果验证了所提出的模型的泛化能力及实用性。
<正>《微型电脑应用》依托上海交通大学,是中国科技核心期刊。期刊创立于1985年,江泽民学长为期刊提写了刊名。本刊致力于传播科学精神,服务民族振兴,是学者切磋学术的窗口,更是广大科技爱好者交流成果的平台。为了更好地服务大众,展示源于科研与应用第一线的科学成果,本刊特向您征稿。稿件要求如下。一、稿件必须符合党和国家对于出版物的要求。二、稿件应该严格遵循学术规范。数据、图表必须是可靠准确,引用的公式和结论必须给出出处,不得存在文字或内容的伪造、剽窃及抄袭等现象。
为了提高企业在线培训系统的个性化推荐质量和交互效率，提出一种基于蚁群优化的词频—逆文档频率(ACO-TF)算法。通过融合蚁群算法(ACO)与词频—逆文档频率(TF-IDF)算法对关键词进行提取，实现动态课程推荐策略的优化。实验结果表明，ACO-TF算法的工作绩效增长率达到15.63%,任务完成速度提升至1.23倍，课程完成率为93.47%,平均课时时长降至45.28 min,平均响应时间缩短至1.87 h,测试成绩提升率达到20.45%,知识点覆盖率为86.42%,均优于其他2种比较算法。ACO-TF算法对于解决冷启动和数据稀疏问题，提升员工培训参与度和效果具有显著贡献，对企业在线培训具有重要的理论和实践意义。