机器人仿真系统中动态图形的快速生成和处理

本文提出一种用于三维动态图形快速生成与处理的算法,能适应机器人实时仿真的要求。算法包括几何体定义、变换、隐藏线消除和动画技术等内容。本算法使用Turbo-Pascal语言在IBM-PC机上运行通过。     

主成因分析法在柴油机热力性能故障诊断中的应用

本文介绍了一种用于柴油机故障诊断的新方法——主成因分析法(P.C.A),它建立在柴油机故障试验的基础上。文章给出了故障诊断的建模方法并设计了柴油机诊断软件。故障诊断结果表明这种方法用于柴油机的故障诊断是可行的。     

逸出气体检测的程序升温气相色谱法

建立了一种利用程序升温气相色谱仪的逸出气体检测(EGD)系统,用于测量液薄膜、固薄膜、纤维,粉末等材料中微量的热挥发及(或)挥发性热分解组分。这类微量用常规热分析法(如热重法(TG)、微商热重(DTG)及差热分析(DTA)等)一般难以测出。用该法测量的GuSO_4·5H_2O粉末样品、端羟基聚丁二烯(HTPB)及邻苯二甲酸二丁酯(DBP)薄膜样品逸出气的EGD数据同TG-DTG-DTA联用技术所得结果作了比较。还用该系统检测了硼酸(槽浴)阳极氧化铝箔、碳纤维、碳化硅纤维的逸出气体。阐述了本法的优点及具体步骤。     

船舶电站原动机及调速系统的混合仿真

在分析船舶电站原动机及调速系统静态、动态特性的基础上,设计了原动机及调速系统的混合仿真系统。作为船舶电站模拟装置的一部分,该混合仿真系统能较好地模拟各类柴油发电机组和汽轮发电机组原动机的运行特性,为船舶电站的设计、研制和运行提供了有效的试验手段。运行实践表明,所提出的混合仿真系统仿真度高、功能强、具有较高的实用价值。     

课件写作系统的功能需求分析与结构选择策略

本文从“课件工程”的角度出发,对课件及其写作系统的功能需求和结构设计进行了讨论,并介绍了课件写作环境AutoCAI的开发过程和设计策略。     

植物油交联共聚阻尼材料的研究

为扩大阻尼材料的原料来源,降低成本,提高阻尼性能,研究以植物油(蓖麻油、棉子油、桐油)为原料,合成环氧植物油及桐油酸酐,将桐油酸酐与环氧植物油进行本体聚合,制得了一系列 AB—交联共聚物。对试样进行动态力学测试,结果表明,该共聚物具有较高的阻尼因子(tanδ最高在1以上),较宽的阻尼温域。在40～60℃时,tanδ值持续大于0.3,是一类成本低廉、阻尼性能良好的新型阻尼材料。     

PC2－5柴油机舰员级维修需求卡（PCSM）的研制与使用

本文总结了郑和号训练舰主动力推进装置舰员级维修需求卡ＰＣＳＭ的研制过程和经验,阐述了ＰＣＳＭ的组成和使用方法,对提高我军舰船维修理论水平和维修实践具有重要指导意义。     

L(0,1)模态导波在小管径管道弯头处的散射特性

采用实验和有限元模拟的方法研究了L(0,1)模态导波在小管径管道弯头处的模态转换和反射、透射特性,分别使用不同频率的激励信号对含不同弯曲半径弯头的管道进行检测。研究结果表明:L(0,1)模态导波在管道弯头处发生模态转换,转换成F(1,1)模态,并且其偏振方向与弯头拱背—拱腹方向一致;随着检测频率和弯曲半径的增大,反射F(1,1)模态呈减小趋势,透射F(1,1)模态呈非单调变化趋势;反射L(0,1)模态导波呈减小趋势,透射L(0,1)模态导波呈增大趋势;当检测频率或弯曲半径增大到一定程度时,两参数的变化对反射F(1,1)模态、反射L(0,1)模态和透射L(0,1)模态的影响不大。实验结果与模拟结果吻合度高,验证了模拟结果的正确性。研究结论为检测小管径含弯头管道提供了理论指导。     

低错误平层数列分割移位LDPC码构造算法研究

为降低LDPC码错误平层,提出一种基于环分类搜索的数列分割移位LDPC码构造算法。该算法具有码长、码率和列重的任意可设性,同时该类码的Tanner图围长至少为8。循环移位因子可以通过简单的代数表达式描述,从而降低内存需求。仿真结果表明,当误码率达到10-5时,数列分割移位LDPC(496,248)码相对于PEG-LDPC码获得了约1.9dB的性能提升;且随着信噪比的升高,两条译码性能曲线之间的差距将更为增大。此外,列重为3的数列分割移位LDPC码(6144,5376)在信噪比4.6dB以后并未出现明显的错误平层。该构造算法与PS-LDPC码相比在误码率达到10-8时大约获得0.25dB增益,特别在错误平层区域其译码性能优于围长为4和6的PEG构造算法,其构造复杂度和耗时也相较于PS-LDPC码和PEG-LDPC码构造算法展现出一定优势。通过基于Tanner图的诱捕集分析方法,统计(496,248)APPS-LDPC码中由8环组成的部分小型诱捕集并不存在,从而证明了其错误平层降低的原因。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。