前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇蛙莫言范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

蛙莫言范文第1篇

蛙莫言范文第2篇

關(guān)鍵詞：PLC 挖掘機 教學(xué)模型

中圖分類號：TP273 文獻標識碼：A 文章編號：1007-9416（2013）10-0008-01

PLC技術(shù)是當前高校開設(shè)的一門重要學(xué)科，其項目應(yīng)用是機、電的綜合設(shè)計，包含很多相關(guān)學(xué)科知識。本系統(tǒng)就是通過對PLC實現(xiàn)液壓試驗臺挖掘機教學(xué)的模擬控制，完成控制必要的保護環(huán)節(jié)，搭建一個直觀、真實的綜合性的實驗平臺，為教學(xué)提供方便。

1 液壓實驗臺簡介

CQJDY-M/A2機電液氣一體化實驗臺以挖掘機構(gòu)為載體，可綜合應(yīng)用軟件編程、電氣設(shè)計、PLC控制、運動控制、邏輯控制、電機驅(qū)動等開展機電液氣綜合的一系列實驗。實驗臺配備透明有機玻璃閥、缸、透明油路等可視化液壓組件，各個組件均隨意安裝與接插，有極大的自由發(fā)揮空間，供創(chuàng)新性的設(shè)計。還配備各種電氣原件，像壓力繼電器、行程開關(guān)、接近開關(guān)、時間繼電器與接插件，可以組合電器控制的液壓系統(tǒng)，實現(xiàn)液壓回路的自動化控制，和組態(tài)軟件的開發(fā)。

本次設(shè)計主要使用設(shè)備有壓力繼電器、行程開關(guān)、接近開關(guān)、電感式接近開關(guān)、異步電動機。

2 系統(tǒng)的硬件設(shè)計

2.1 系統(tǒng)框圖

控制系統(tǒng)采用觸摸屏與PLC相配合，使對被控對象的操作控制、運行信息通過對觸摸屏編程予以實現(xiàn)，系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

2.2 I/O分配

系統(tǒng)采用S7-200PLC為核心， 通過控制兩個三位四通換向閥可以控制挖掘機斗桿油缸和鏟斗油缸，實現(xiàn)挖掘和卸料的操作。行程開關(guān)用于檢測挖掘機挖掘臂的位置。壓力繼電器與挖掘機的油缸相連，用于檢測油缸壓力，并將實時數(shù)據(jù)輸入PLC。測速傳感器將發(fā)動機轉(zhuǎn)速的實時數(shù)據(jù)反饋給PLC并通過PPI通訊將實時的數(shù)據(jù)輸出到觸摸屏，方便查看挖掘機的工作狀態(tài)。通過行程開關(guān)，壓力繼電器，測速傳感器的配合，可以提供挖掘機的過載保護[2]。

I/O分配如表1、表2所示。

3 系統(tǒng)的軟件設(shè)計

3.1 PLC軟件設(shè)計

系統(tǒng)軟件設(shè)計了完整的機械挖掘動作，挖掘動作包括鏟斗的下挖和卸料，斗桿的伸縮。包括手動控制、自動控制部分[1]，第三部分是通信控制部分。程序全程都配備了完整的保護機制，其中包括控制部分的互鎖保護，液壓缸的過壓保護，發(fā)動機的過載保護。

控制過程：（1）判斷自動或手動模式。（2）若自動模式，判斷下一步的動作，從某一動作開始執(zhí)行往復(fù)循環(huán)動作。循環(huán)動作的設(shè)計為：斗桿伸、鏟斗卸料、斗桿收、鏟斗挖料。（3）軟件保護。本系統(tǒng)針對系統(tǒng)的安全方面設(shè)計了很多軟件保護措施，以減少機器損耗，規(guī)避因誤操作造成的損失。a）自動模式超時保護，挖掘機的自動模式雖然帶來了便利，同時也可能因無人監(jiān)管而帶來事故。所以設(shè)置此保護，當超過一定時間沒有人操作機器時，挖掘機就會自動待機。b）發(fā)動機故障，當發(fā)動機（三相異步電動機）轉(zhuǎn)速過低或者無轉(zhuǎn)速輸出時，PLC有控制輸出，但由于無泵壓輸出，挖掘臂不會動作，此時電氣回路仍然供電，造成不必要的能耗和機械損耗?？赏ㄟ^PLC中的算法，計數(shù)器記錄電機的轉(zhuǎn)動次數(shù)，配合定時器計算電機的轉(zhuǎn)速。將轉(zhuǎn)速的值存儲，當電機異常低于某值時，或電機未啟動時，通過中間繼電器將沒有作用的輸出關(guān)閉。

3.2 組態(tài)設(shè)計

本設(shè)計采用觸摸屏作為上位機，使用MCGS嵌入式組態(tài)軟件[3]，通過RS485串口與PLC通信，通過MCGS控制界面，監(jiān)測并控制挖掘機的工作過程。

4 結(jié)語

本系統(tǒng)主要通過PLC對液壓試驗臺挖掘機模型實現(xiàn)自動、手動控制，同時發(fā)動機的實時轉(zhuǎn)速檢測，壓力繼電器以及行程開關(guān)為PLC的智能控制提供依據(jù)，同時利用PLC的軟件算法，對系統(tǒng)設(shè)置各種保護功能。對PLC機電一體化的綜合設(shè)計起到很好教學(xué)示范作用，同時實驗臺各部件靈活，易于重新組裝開發(fā)。

參考文獻

[1]王永華編.現(xiàn)代電氣控制及PLC應(yīng)用技術(shù)[M].第2版.北京：北京航空航天大學(xué)出版社，2008.

蛙莫言范文第3篇

不同的工程管理的特點不相同，所以，在每一個業(yè)務(wù)工作系統(tǒng)中產(chǎn)生的業(yè)務(wù)數(shù)據(jù)也具有不同的特點，相關(guān)數(shù)據(jù)具有不同的顆粒大小，對于業(yè)務(wù)的流轉(zhuǎn)工作也不能完全統(tǒng)一，對于這樣特點復(fù)雜的基礎(chǔ)數(shù)據(jù)，一定要保證設(shè)計工作按照科學(xué)的指導(dǎo)方法來進行。要想保證挖掘結(jié)構(gòu)化數(shù)據(jù)工作的順利進行，就要建立以項目、物資、設(shè)備以及合同數(shù)據(jù)為主要核心的數(shù)據(jù)倉庫整體。在進行數(shù)據(jù)挖掘時，要在實際數(shù)量的基礎(chǔ)之上進行相關(guān)的模型訓(xùn)練和數(shù)據(jù)分析，才能保證所得數(shù)據(jù)結(jié)果的科學(xué)性，數(shù)據(jù)倉庫的建立，在一定程度上能夠提高分析工作的精準度，促進分析工作的順利進行。要想提高非結(jié)構(gòu)化相關(guān)數(shù)據(jù)挖掘工作的有效性，可以通過檢索工具和檢索手段來實現(xiàn)分類管理，對于一些設(shè)計變更報告和工程延期報告等相對重要的數(shù)據(jù)，要通過規(guī)則篩選和關(guān)聯(lián)算法對信息顆粒進行整理，從而實現(xiàn)顆粒的結(jié)構(gòu)化水平，然后再納入到相關(guān)的數(shù)據(jù)庫中，通過一定的手段和方法來進行分析。

二、對于工程工期延誤原因的關(guān)聯(lián)性分析

電力工程項目管理工作中有一個相對難以控制的問題，就是項目工期的延誤工作，造成工期延誤的原因也不是單一的，主要表現(xiàn)有設(shè)計偏差、前期準備工作不能順利進行、相關(guān)施工設(shè)備沒有按期運送、對于施工的管理力度不夠等。工作人員在進行工程管理過程中，比較關(guān)注這些主要原因，但是一些其他狀況也可能引起項目延期，不少管理者認為天氣狀況會影響到項目工期，但在實際的工程項目中，并不是所有工期的延誤都是由于天氣狀況造成的，要想對那些不確定的因素進行分析和總結(jié)，就要對管理工作中產(chǎn)生的種種數(shù)據(jù)進行挖掘和分析，并結(jié)合這些挖掘工作的結(jié)果為后期的工程項目提供一定的指導(dǎo)作用。具體的挖掘工作可以使用關(guān)聯(lián)規(guī)則的方法來逐步進行。不同的數(shù)據(jù)之間存在著一種相對重要、又可以被發(fā)現(xiàn)的知識，這樣的知識被稱為數(shù)據(jù)關(guān)聯(lián)，分析這些數(shù)據(jù)中的兩個或者兩個以上的變量取值，若發(fā)現(xiàn)它們之間存在一定的規(guī)律，就可以將其視作存在一定的關(guān)聯(lián)性，進行關(guān)聯(lián)分析工作的主要目的就是為了找到不同數(shù)據(jù)背后所隱藏的關(guān)聯(lián)性。關(guān)聯(lián)數(shù)據(jù)分析的方法就是把所有工期延誤的項目組建成一個較大的集合，把下雨、事故、資金不夠、管理問題或者地質(zhì)環(huán)境等可能造成工期延誤的一系列因素組成另外一個集合，對于這些數(shù)據(jù)中可能引起工期延誤的相關(guān)描述不需要統(tǒng)一要求，因為這些眾多影響因素中涵蓋一部分的隱性因素，這需要在進行數(shù)據(jù)準備工作和數(shù)據(jù)倉庫工作的建立過程中來完成。利用關(guān)聯(lián)規(guī)則方法所得到的相關(guān)結(jié)果必然是出現(xiàn)次數(shù)較高的項目集合，用這個項目幾何的置信度和支持度來對某一個規(guī)則進行描述，這樣就能提高整個分析工作的科學(xué)性和有效性。

三、如何處理各項任務(wù)在進度匯總過程中的權(quán)重

電力工程中的輸變電工程項目是一個任務(wù)較多的管理工作，所以，在進行項目管理時，要對于各個子項目逐一展開管理，例如，可以把整個輸變電工程分為前期工程、土建工程和線路工程等不同的子項目。要保證所有分析工作都能夠從管理層的方向來進行，他們希望看到的工程進度描述結(jié)果是一個比較規(guī)范的數(shù)據(jù)。若實際工程真的涵蓋較多的子項目時，整個工程項目所完成的百分比并不能依靠各個子項目工程的百分比進行簡單的累加來完成，保證用工時法來計算工程項目的完成比率。對于子工程完成時間和工作量的分析工作并不能完全說明整個工程在實際施工過程中所花費的時間，若在工程項目描述過程中采用規(guī)范化的百分比，則很難對進度進行科學(xué)地描述，因此，在實際的項目工程分析過程中，工作人員所采用的大都是土建完工、地基完工等一些形象的文字描述，這樣的描述方法雖然比較直觀，但是，對于項目工程量的評估工作并不具備多少實際的作用。在挖掘工程項目進度權(quán)重的相關(guān)參考值過程中可以使用面向?qū)傩缘南嚓P(guān)歸納方法來對整個施工工程的項目進度有關(guān)數(shù)據(jù)進行概化工作，從而得到所完成的一系列項目工程中各個子項目的平均總權(quán)重。通過分析工程進度匯總不難得出一些結(jié)論，如果整個項目中的某一個子項目所用的時間超過了計劃工作時間，這就會導(dǎo)致整個工程的項目進度匯總結(jié)果存在一定的不科學(xué)性，電力工程中的輸變電工程的前期工作、物資采購以及設(shè)計任務(wù)所消耗的時間都可能超過科學(xué)計算的時間，若能夠通過一定的數(shù)據(jù)挖掘得到子項目的相關(guān)參考值，再按照不同的參考值進行進度匯總，就能夠在一定程度上提高項目進度分析工作的準確性。

蛙莫言范文第4篇

關(guān)鍵詞：軟巖隧道；ADINA分析；隧道支護；數(shù)值模擬

中圖分類號：TU470文獻標識碼：A文章編號：1009-2374（2009）08-0171-02

一、工程概況

遵小鐵路張杖子隧道段位于承德市寬城縣內(nèi)，全長2571m。該地區(qū)處于低山丘陵區(qū)，絕對標高430～547m，自然橫坡20°～30°。隧道最大埋深約為100m，隧道進口里程為DK41+336；出口里程為DK43+907。出口山坡植被發(fā)育。隧道洞身圍巖Ⅳ～Ⅴ級，詳見表1：

張杖子隧道位于片麻巖地層中，片麻巖節(jié)理裂隙發(fā)育，部分地段巖體中裂隙水較發(fā)育，工程地質(zhì)條件一般。在隧道出口處DK43+883左側(cè)約46m處有一正開采的礦井，礦道彎曲大致向隧道方向，現(xiàn)礦底標高與隧道標高大約相當。

二、軟巖條件開挖建模

隧道模型幾何尺寸為隧道凈高6.25m，凈寬為5.7m。在模型中其巖體的尺寸為長80m，寬50m。模型采用雙層支護加錨桿，第一層支護的厚度為0.45m，第二層支護的厚度為0.20m，錨桿的長度為3.5m。

在ADINA界面中首先建立各個節(jié)點，并把四個相鄰的節(jié)點建立成為面，從而建立了主斷面上的平面應(yīng)變模型。這里模型的建立要以隧道實際情況為根據(jù)，將各巖層及其支護、錨桿基本準確地描繪出來，如圖1所示。

圖1 斷面幾何模型圖

在原有數(shù)據(jù)基礎(chǔ)上，利用試驗測試結(jié)果和從工程項目中獲得的地質(zhì)資料，進行了一定程度的簡化，具體結(jié)果見表2：

根據(jù)所建立的計算模型的特點，采用標準的四節(jié)點矩形單元對計算區(qū)域離散化。根據(jù)以上分析，在隧道開挖區(qū)域內(nèi)，單元應(yīng)劃分的細一些，而對于受采動影響較小的其它區(qū)域，網(wǎng)格可劃分的大一點，網(wǎng)格劃分后的幾何模型圖如圖2所示：

圖2 網(wǎng)格劃分后的幾何模型圖

三、模型數(shù)據(jù)處理分析

求解之后，通過后處理，可以獲得巖層穩(wěn)定后的隧道周邊變形位移和拱頂下沉位移云圖及應(yīng)力云圖如下所示：

圖3 圍巖穩(wěn)定后下沉云圖

圖4 圍巖穩(wěn)定后變形云圖

圖5 圍巖穩(wěn)定后第一主應(yīng)力云圖

圖6 圍巖穩(wěn)定后第二主應(yīng)力云圖

四、結(jié)語

經(jīng)過對張杖子山隧道軟弱圍巖的ADINA分析，得出其拱頂下沉曲線的實際值與模擬值對比圖，如圖7所示，可見模擬可以體現(xiàn)其總體變形趨勢。對于洞口淺埋段Ⅴ類軟巖，圍巖收斂變形達到基本穩(wěn)定時間較長，初始圍巖凈空變形速率較大，因此應(yīng)把初期的重點放在前期階段。在Ⅳ類圍巖則應(yīng)在開挖初期施作一薄層柔性支護，并視圍巖變形的增長情況給予適時支護。

圖7 拱頂下沉?xí)r間―位移曲線對比圖

參考文獻

[1]張慶賀，等．地下工程[M]．同濟大學(xué)出版社，2005，（2）．

[2]張彬，郝鳳山．地下建筑施工[M]．人民教育出版社，2003．

[3]張新培．建筑結(jié)構(gòu)可靠度分析與設(shè)計[M]．北京科學(xué)出版社，2001．

[4]谷兆棋，等．地下洞室工程[M]．清華大學(xué)出版社，1994．

[5]張向東，張樹光．隧道力學(xué)[M]．香港天馬圖書有限公司，2000．

蛙莫言范文第5篇

一、3G用戶細分體系架構(gòu)

用戶細分是3G業(yè)務(wù)開發(fā)及市場營銷的基礎(chǔ)，用戶細分能夠使差異化成為可能，使運營商提供的3G產(chǎn)品和服務(wù)能夠更有針對性。3G用戶細分方法的選擇直接決定了相關(guān)用戶細分結(jié)果的準確性及實用性。對于3G用戶細分的體系搭建的思路是： 采用3 個緯度進行用戶的細分，首先按照用戶價值緯度進行用戶細分，然后再結(jié)合消費行為緯度和消費心理緯度細分用戶群。在3G用戶細分的體系架構(gòu)中，3個緯度的用戶細分依據(jù)、方法及應(yīng)用價值如表1 所示。

二、客戶識別分類模型

（一）數(shù)據(jù)抽取

本案例數(shù)據(jù)來源于某電信運營公司，該數(shù)據(jù)總量為26000條。每一條對應(yīng)一個客戶近六個月的統(tǒng)計信息。其中已知分類（2G、3G）的為18000條，未知分類8000 條。其中包括客戶年齡，月平均消費額，月平均通話時長等屬性250 個（包括客戶類型）。本例利用26000條已知分類的數(shù)據(jù)進行分類模型的建立，隨機抽取訓(xùn)練數(shù)據(jù)10000條，測試數(shù)據(jù)8000條。

（二）數(shù)據(jù)預(yù)處理

上述采集的數(shù)據(jù)有數(shù)據(jù)多、數(shù)據(jù)取值范圍廣和數(shù)據(jù)取值類型多樣的特點，因此必須在建模前對數(shù)據(jù)進行預(yù)處理，如采集的樣本數(shù)據(jù)存在一些屬性值缺省或空值，如果不做處理，將直接影響后續(xù)算法的挖掘效果，嚴重時甚至得到錯誤的結(jié)果。數(shù)據(jù)預(yù)處理包含數(shù)據(jù)清洗、屬性篩選、數(shù)據(jù)平衡、數(shù)據(jù)歸一化和離散化五個步驟。數(shù)據(jù)清洗分為類型轉(zhuǎn)換和缺失數(shù)據(jù)填補兩部分；屬性篩選分為人工篩選和通過相關(guān)系數(shù)分析實現(xiàn)屬性選擇兩部分；由于作為訓(xùn)練的18000條數(shù)據(jù)只有少數(shù)是3G用戶，這樣會導(dǎo)致模型輸出結(jié)果偏向判別為2G 客戶，因此必須通過數(shù)據(jù)平衡實現(xiàn)2、3G用戶數(shù)量達到1：1；為了提高BP 神經(jīng)網(wǎng)絡(luò)的性能，需要對數(shù)據(jù)進行歸一化；對于決策樹算法，需要對數(shù)據(jù)進行離散化，否則生產(chǎn)的決策樹將會過于茂盛，以至于無法分析。

三、客戶數(shù)據(jù)分類識別過程

本文分別采用BP 神經(jīng)網(wǎng)絡(luò)和決策樹進行建模，實現(xiàn)對3G 客戶的分類識別。本案例運用TipDM 數(shù)據(jù)挖掘在線建模平臺中的性分析進行數(shù)據(jù)探索，再運用BP 神經(jīng)網(wǎng)絡(luò)和C4.5 決策樹進行客戶識別。（一）模型輸入。本案例中，模型數(shù)據(jù)涉及客戶年齡、月平均通話時長和月平均消費額等240多個屬性（包含客戶類型），模型輸入需將客戶識別樣本屬性表導(dǎo)入建模平臺中即可。（二）仿真識別過程。建模仿真過程說明如下：1.登錄TipDM 平臺，在方案管理頁面中，新建方案或者打開一個已建方案；2.切換到數(shù)據(jù)管理頁面，上傳經(jīng)預(yù)處理后的專家樣本數(shù)據(jù)文件；3.選擇相關(guān)性分析功能，導(dǎo)入樣本數(shù)據(jù)進行相關(guān)性分析；4.分別選擇BP 神經(jīng)網(wǎng)絡(luò)算法和C4.5 決策樹算法，進行模型構(gòu)建；5.對比BP 神經(jīng)網(wǎng)絡(luò)和C4.5 決策樹的建模結(jié)果，并選擇最優(yōu)算法；6.用最優(yōu)法對測試樣本進行3G 客戶識別。（三）仿真結(jié)果分析。1.基于BP 神經(jīng)網(wǎng)絡(luò)的模型構(gòu)建。由于神經(jīng)網(wǎng)絡(luò)算法輸出結(jié)果受到訓(xùn)練次數(shù)影響，并伴隨一定的隨機性，多次實驗得到的分類正確率如下表所示。

四、總結(jié)與建議

決策樹與BP神經(jīng)網(wǎng)絡(luò)對于3G客戶的識別正確率都接近80%，說明本用例建立的分類模型對3G客戶的敏感度比較高，基本能識別出3G用戶，能達到預(yù)期目標。但是只看3G客戶的識別正確率是不科學(xué)的，還要看2G 客戶的識別正確率和總體識別正確率。從總體正確率看，BP 神經(jīng)網(wǎng)絡(luò)的正確率仍然比決策樹高近10%，BP神經(jīng)網(wǎng)絡(luò)無論是總體性能還是對局部分類的敏感度都表現(xiàn)不錯，而決策樹分類模型性能還有待提高。

雖然本例的客戶識別未能達到百分百地準確，但從另外一個角度看，一味追求正確率并沒有太多意義。因為本來運營商對各個用戶的類別就已經(jīng)作了登記，反而，我們或許能從客戶的誤識別中獲得更多信息。