N2O/C7H8单喷嘴燃气发生器试验研究

以基于N2O/C7H8的燃烧驱动混合型气动CO2激光器点火试验为研究背景,设计了液态N2O供应系统及N2O/C7H8单喷嘴燃气发生器.对液态N2O供应系统、N2O/C7H8的点火及燃烧性能进行了研究.试验结果表明:设计的N2O供应系统能够实现液态N2O的稳定供应;在设定的时序下,两个设计工况(余氧系数分别为0.3和0....     

基于状态的检查与修理综合决策模型

分析了单部件系统退化过程的特点，建立了基于状态的检查与修理决策模型。该模型根据系统的当前状态来决定检查与修理，通过分析计算系统在一个更新周期内平均检查次数、预防性维修及修复性故障的概率，建立维修费用与检查问隔及预防性维修阈值的关系，以平均维修费用最小为目标，优化检查间隔及预防性维修阈值。最后运用Matlab对模型进行数值计算，结果表明，模型能有效地降低维修费用。     

单目标探测下的双红外被动测距方法

基于工程三维应用中红外探测目标信息存在误差的情形,建立了对单目标探测进行双红外被动测距的方法,并且通过单点测试验证了该方法的正确性。利用Monte Callo模拟实验法,分析了红外探测角度误差、两站点基线距离和单目标运动特征对该方法定位精度的影响。     

数字单稳触发器在小数分频中的应用

本文简要说明了数字单稳的设计及其在∑-△调制小数分频中用于扣除脉冲的过程，给出了仿真结果。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

哨兵

女儿今年8岁了，天真、幼稚、无邪、好动组成了她现在的性格。每当和妻一同把她从学校接出来，她或是有说有笑。或是语无伦次地讲述着同学的趣事，或是咿咿呀呀地唱着儿歌，内心深处充满了欢乐，仿佛整个天空都是她一个人的。     

钢纤维喷射砼单层永久衬砌在某燃峒室中的应用

钢纤维混凝土是一种新型复合材料，与普通混凝土相比具有良好的物理力学性能。钢纤维混凝土正越来越广泛地用于隧道及地下工程中。采用Ansys5．61版有限元分析程序对某大跨度峒室Ⅳ类围岩试验段中应用钢纤维喷射混凝土单层永久衬砌取代传统的网喷混凝土+钢筋混凝土二次衬砌方法进行了理论设计。工程实践表明钢纤维能比钢丝网提供更高的剩余荷栽承受能力，钢纤维喷射混凝土在首次开裂后具有较小的变形，在变形的情况下也具有同等的功能，钢纤维喷射混凝土单层永久衬砌完全可以取代传统的支护设计方法，并可取得显著的技术经济综合效益。     

电荷泵中单粒子瞬变的研究

为分析电荷泵中不同频率单粒子瞬变(SET)电流对锁相环(PLL)的影响,采用频域分析法从增益和带宽的角度研究了环路参数与SET响应的关系。分析结果表明,减小环路滤波电阻可以降低系统增益,从而有效降低压控振荡器控制电压的扰动;增大固有频率或阻尼因子则可以提高系统带宽,从而滤除更大范围的SET电流,同时还可以降低PLL恢复到锁定状态的时间。因此,减小环路滤波电阻、增大固有频率或阻尼因子是有效的设计加固方法。通过1GHz PLL的SET模拟验证了上述结论。     

基于Lyapunov法和势场法的对峙跟踪研究

现有的基于Lyapunov导航向量场算法的对峙跟踪研究中尚未有考虑避障要求的。针对单架无人机对峙跟踪单个移动目标,通过Lyapunov导航向量场法使无人机对目标对峙跟踪。在遇到障碍时,通过距离控制,切换为使用势场法避开障碍区域。在满足一定的距离条件后,通过角度控制,恢复对峙跟踪方式,从而使无人机在对峙跟踪时可以避开障碍区域。仿真结果表明,不管是在单障碍的条件下还是多障碍的条件下,该方法能使无人机有效地避开障碍区域完成跟踪任务。     

65纳米工艺双层三维静态存储器的软错误分析与评估

首先搭建了3D SRAM软错误分析平台,可以快速、自动分析多层die堆叠结构3D SRAM的软错误特性。此平台集成了多种层次模拟软件Geant4、TCAD、Nanosim,数据记录处理软件ROOT,版图处理软件Calibre,以及用于任务链接和结果分析的Perl和shell脚本。利用该平台,对以字线划分设计的3D SRAM和同等规模的2D SRAM分别进行软错误分析,并对分析结果进行了对比。对比分析表明2D 和3D SRAM的翻转截面几乎相同,但3D SRAM单个字中发生的软错误要比2D SRAM更严重,导致难以使用ECC技术对其进行加固。静态模式下2D SRAM和3D SRAM敏感节点均分布于存储阵列中,表明静态模式下逻辑电路不会引发软错误。