表面官能化对碳纳米管/环氧复合材料玻璃化转变温度及韧性的影响

通过碳纳米管的不同表面官能化,构造其与环氧树脂的不同界面。采用动态机械性能分析研究不同表面官能化碳纳米管对环氧树脂复合材料玻璃化转变温度的影响;采用摆锤冲击试验研究环氧树脂复合材料的韧性。结果表明:与纯环氧树脂相比,氨基化碳纳米管/环氧树脂复合材料的玻璃化转变温度升高,而羧基化碳纳米管/环氧树脂复合材料的玻璃化转变温度反而有所下降;碳纳米管/环氧树脂复合材料的冲击强度相比纯环氧树脂均提高了近一倍。复合材料性能的这些变化规律主要归因于不同表面官能化碳纳米管与环氧树脂基体间形成了不同的界面。     

储油罐计量系统中精度的分析及提高

在储油罐计量过程中,难免会存在测量误差.介绍了储油罐自动计量的3种方法:静压法(HTG)、液位法(LTG)、混合法(HIMS).重点分析了混合法(HIMS)中直接测量参数误差、间接测量参数误差对储油罐计量系统精度的影响,并给出了通过仪表的正确选型与安装、合理地分配计量系统的误差、直接测量参数的软件数字滤波处理等提高计量系统精度的方法措施.对于测量精度要求较高的场合,采用以上方法可以有效地消除测量过程中存在的系统误差,更好地实现在储油品的科学化计量管理.     

基于DSP机动目标自动跟踪仿真系统设计

从硬件角度叙述了机动目标自动跟踪仿真系统设计的几个问题.系统由两片超高速信号处理芯片(TMS320C30)组成并行系统,计算容量大,既能脱机运行,又能在微机的监控下工作,为机动目标的实时跟踪计算、状态滤波估计和解命中等问题的仿真研究,提供了方便、灵活的硬件环境.     

物理层安全约束下的双向中继系统波束赋形方案

文中针对放大转发双向中继系统,研究了物理层安全约束下的波束赋形方案设计及其安全容量问题。在假设已知完全信道状态信息的条件下,本文尝试通过在中继节点处采用波束赋形来使两个源节点的和安全容量最大化。由于对此问题难以求出闭式解,故而提出另一次优方案,并给出了相应波束赋形因子的闭式表达式。该方案虽不能最大化和安全容量,但却能显著提升和安全容量。最后对理论推导进行了仿真验证,理论分析与仿真结果证明了所提方案的有效性。     

卫星通信新技术专题讲座(三) 第5讲 MIMO传输技术在卫星移动通信系统中的应用

文中讨论了在卫星移动通信环境中应用多输入多输出(MIMO)传输的技术,该技术能够在传输过程中提供复用和分集增益,可以大大提高卫星移动通信系统的传输有效性和可靠性。     

加强灭火指挥员感知能力的思考

消防指挥员感知能力就是敏锐预测火灾发展状态的能力.消防指挥员感知能力的强弱,直接关系到能否准确快速有效控制或消灭火灾.结合实践工作,从知识、认识、观察力和想象力等方面,论述了加强灭火指挥员感知能力的重要性和必要性.     

面向反导预警作战的雷达交接班时机选择方法

针对反导预警作战过程中远程预警相控阵雷达(early-warning radar,EWR)和多功能地基相控阵雷达(ground-based radar,GBR)探测跟踪弹道导弹的交接班问题,提出了一种可行的雷达交接班时机选择方法.该方法通过卡尔曼滤波对弹道目标进行滤波定轨,基于目标瞬时运动状态估算目标剩余飞行距离,并依据GBR对目标的探测定位精度(geometrical dilution of precision,GDOP)进行接班时机优选,以支持反导预警作战雷达交接班决策.最后,通过一个实例验证了该方法的可行性和有效性.     

利用深度学习的硬件计数器复用估计算法

利用深度学习方法,为硬件计数器复用(multiplexing,MPX)提供结果精度更高的估计模型。通过对MPX估计得到的结果与实际采集的真实数据进行相似性分析,证明相同程序多次运行之间得到的硬件计数值是线性相关的。采用神经网络多层感知器(multilayer perceptron,MLP)和双向门控神经网络(bidirectional gated recurrent unit, Bi-GRU)这2种深度学习模型,对MPX数据进行拟合。基于动态时间规整(dynamic time warping, DTW),提出一个全新的评估MPX数据精度的指标DTW-cost。实验结果表明,同时收集15个硬件事件数据时,MLP方法拟合得到的13个高性能计算应用平均准确率比现有使用最广的固定插值法高出10.53%,最多可提升19.8%;而在MLP表现较差的事件上,Bi-GRU方法得到的平均准确率提升了28.8%。     

面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。