基于Windows CE．net的仪器控制和数据处理系统的开发

基于RS232协议的串行通讯在工业和分析测试仪器控制及数据传输中有着广泛的应用.目前,分析测试仪器对于所采集到的数据的处理过程随着分析对象日益复杂而变得复杂,而单片机的运算速度和开发进程已经不能完全满足仪器开发的需求.以基于Windows CE.net嵌入式操作系统的带有串口的PDA(Personal Digital Assistant)为平台,以Embedded Visual C 4.0(SP6)为工具,采用串行通讯、多线程技术,构建了针对系列测试仪器的仪器控制和数据处理系统.并对实现过程中的有关关键技术进行了探讨.该系统的开发成功使得下位机--单片机从复杂的数据处理中解脱出来,而仅完成仪器的数据采集和传输工作.这种方案的实现可以大大缩短仪器的开发周期并极大地提高仪器控制和数据处理的灵活性.     

动态网络中的最短路径改进算法

本文在对动态网络进行理论分析的基础上,指出动态网络中可能出现的非FIFO弧是传统最短路径算法无法求得最优解的原因;通过对非FIFO弧进行理论分析,提出了等待时域和最佳出发时间理论,并将非FIFO弧变换成FIFO弧,给出了改进的Dijkstra算法。对比实验结果证明,该算法可以有效求得动态网络最短路径问题的最优解。     

多输出性能下的重要性测度指标及其求解方法

针对基于马氏距离的重要性测度存在的问题,提出了基于谱分解加权摩尔彭罗斯马氏距离的重要性测度指标,通过构造多输出协方差阵的广义逆矩阵以及谱分解的策略,有效解决了协方差阵求逆奇异情况以及由于未能充分考虑多输出之间的相互关系而导致的错误识别重要变量的问题,克服了基于马氏距离指标的局限性。数值算例与工程算例结果表明:所提重要性测度可以更加准确地获得输入变量对结构系统多输出性能随机取值特征贡献的排序,从而为可靠性设计提供充分的信息。     

双天线干涉SAR系统无控制点场景的高精度参考相位快速估计算法

为解决无控制点场景参考相位的快速估计问题,对影响参考相位的因素进行理论分析,给出参考相位与影响因素的解析关系式。结合系统参数进行仿真分析,分析参考相位对高程误差的影响。根据分析结果,结合外部粗精度高程数据、滤波后的干涉相位及相干系数,提出高精度参考相位快速估计算法,并给出算法详细实现流程。对实际机载双天线干涉合成孔径雷达系统获取的数据进行处理,结果表明:算法在文中的系统参数下可以达到优于2 m的相对高程精度,处理4096×6560像素的数据块时,参考相位估计速度至少增大20倍。     

预冷却引射系统性能一维分析

根据引射器的一维设计理论可知,二次流在进入混合室之前进行预冷降温可以提高引射效率,增大引射系数,但引入预冷器会同时引起流动损失,故需要对引射系统进行性能评估。针对设有预冷器的引射系统,应用一维理论分析预冷对系统性能的影响,重点分析预冷增强效果与流阻减弱效果对引射效率的作用。研究发现:预冷器对引射系统同时带来冷却增强作用和流阻减弱作用,横截面积和换热面积是主要影响因素。预冷器存在临界横截面积,横截面积大于临界值时,换热面积越大,引射性能越高;反之,换热面积越大,引射性能越低。等压混合引射方案比等截面混合引射方案性能高,前者引射系数比后者大60%;预冷却能够有效提高引射性能,尤其是等截面混合引射方案,性能提高可达35.5%。     

北斗导航系统移动基准站差分定位算法

针对复杂测量环境无法建立固定基准站及进行精密定位的问题,提出一种基于北斗导航系统的移动基准站差分定位算法,即基准站与流动站同时运动并实现高精度差分定位的算法。基于载波相位测量值,在动态短基线条件下,对数据进行站间和星间双差处理,消除接收机钟差以及其他公共误差。对多频观测值进行线性组合,构造双差载波相位超宽巷、宽巷、中巷及窄巷观测量。对上述观测量进行窗口滑动均值滤波并采用逐级模糊度确定法固定整周模糊度,即沿着从超宽巷到窄巷的顺序依次求解整周模糊度。为验证算法有效性,设计基于北斗导航系统的轨道外部几何参数检测仪进行实验,实现毫米级静态相对定位精度和厘米级RTK相对定位精度。     

基于数据适应性检验的身管磨损量预测研究

应用灰色系统理论研究不确定系统,对系统进行灰色预测模型建立的同时,需要检验系统原始数据序列是否符合建模要求。主要从3个方面检验数据建模的可行性,分别是光滑比、极比偏差和凹凸性检验。结合某型坦克炮身管内膛烧蚀磨损数据,采用不同的磨损数据作为灰色预测模型建模的原始数据序列,具体分成两种情况进行数据检验,并代入模型计算,分析不同情况下模型的预测精度,通过对比计算结果选出与模型匹配度更高的原始数据序列。     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。     

基于自然连通度的复杂网络节点重要性度量方法

节点重要性度量是复杂网络研究中的热点问题。从复杂网络的抗毁性指标入手,给出了自然连通度的定义,并且以此为基础设计了基于自然连通度的复杂网络节点重要性度量方法。最后以著名的风筝网络为例,分析了该方法的适用性,并与其他经典的节点重要性度量方法进行对比,证明了该方法的合理性。