简介:针对手动挡车辆在运行过程中无挡位传感器的情况下挡位信号无法识别获取的问题,通过对多次整车转鼓试验进行分析,发现读取CAN总线里面的速比信息,然后基于直方图计算各速比范围信号出现的频率,并以此确定挡位数目和速比的大小范围,再利用Parzen窗函数的方法获取各挡位的实际速比,可以实现对挡位信号精准的识别。试验结果表明,采用Parzen窗的挡位识别方法能够识别出挡位信号。对比Parzen窗获取的挡位识别信息与挡位信号传感器直接获取的挡位信息,发现两者的相似度很高,这也验证了该方法的可行性和准确性。该方法提供了整车运行过程中一种挡位识别的新方式。
简介:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。
简介:近年来,伴随着“入园难”问题的逐步缓解,民众对学前教育的需求从“能入园”转向“入好园”,学前教育事业发展的重心将逐步从规模发展转向质量提升。幼儿园教育服务质量的提升需要在明确服务质量状态的基础上,洞悉顾客(幼儿家长)对于幼教服务质量属性的感知;需要运用科学、系统的方法确定幼教服务质量属性的优先权,才能进而提出服务质量提升的有效途径和策略。本研究整合Kano模型和SIPA方法,提出了基于Kano—SIPA的幼教服务质量属性探测与服务质量提升决策模型,对于幼儿园管理和幼教行业的发展具有现实意义。该模型不仅基于Kano模型,在考虑顾客心理感知的基础上对服务质量属性进行识别与分类,同时整合运用SIPA方法,既能分析顾客对于各质量属性的重要度感知与幼儿园在各质量属性上的绩效,又能考虑其比较标杆的绩效,从而可以为幼儿园教育服务质量属性提升的优先顺序的确定提供科学依据,并给出有针对性的提升策略,促使幼儿园采取切实有效的措施提升服务质量。