基于LPS模型的飞行器控制系统故障诊断方法

传统故障诊断方法一般针对测量信号而展开,未考虑其实际物理连接特性对故障诊断结果的显著影响。随着专业电气系统设计软件的广泛应用,设计人员容易获取系统的物理连接特性和逻辑连接特性。论文通过对产品层、系统层的信号、物理连接及其互连关系的分析,提出了一种将抽象的逻辑信号和具体的物理连线统一起来的逻辑物理综合(LPS)模型,并研究了基于导线表文件和网表文件的LPS模型实例化方法,开发了一套智能故障检测软件,进行了算例验证,结果表明：基于LPS模型的故障诊断方法能够将系统故障定位到指定产品级别上,具有极大的工程应用价值。     

抓住课改 整体提升办学品位

一、学校将课改理念转化为实践的具体做法 (一)强化领导,组织保证,管理到位 学校为了充分保证课程与教学改革的落实与推进,成立了学校课改领导小组,并专门成立了课程研发小组(侧重课程的开发与实施),负责学校课程的决策、开发与管理,学校课改领导和研发小组,定期召开工作会议,根据课改的要求致力于建立以基础型课程,拓展型课程为主干的课程结构,全面负责学校课程改革的决策和管理,主要包括:1.学校课程方案的决策,如学校课程结构、比例、课时分配与分年组安排,结合学校的办学特点进行具体安排和落实;2.学校基础型课程实施方案的决策;3.学校拓展课程实施方案和决策;4.学校基础型课程和拓展型课程的管理制度与评价制度的决策.     

机载多传感器角度融合跟踪结构与算法

未来战机的作战环境要求机载多传感器数据融合系统在仅有角度测量信息情况下仍须具有稳定的目标跟踪能力.对机载多传感器的角度融合跟踪系统的结构和算法进行了研究,分别给出了两个传感器同步测量时的集中式状态估计算法和异步测量时不损信息量的混合式状态估计算法,即顺序滤波方法,并对相应算法进行了仿真验证.     

冷兵器时代战争对经济发展的影响——以唐、五代时期华北平原为考察中心

安史之乱爆发,使华北陷入战争的泥潭,特别是安史之乱后期,中央和安史叛军主要在华北一带争夺,这里的经济发展受到了严重的破坏,"人烟断绝,千里萧条".有些学者认为安史乱后,华北经济从此便衰落下去,也有些学者不赞成此说.那么,华北平原是否由于安史战乱而一蹶不振呢?     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

粗糙集理论的电子设备诊断规则提取

为了解决现有诊断规则提取方法中的不一致性问题,得到具有良好适应能力和最大匹配能力的诊断决策规则,结合电子设备故障征兆特点,提出一种基于粗糙集的电子设备故障诊断规则提取方法.该方法先对原始数据进行预处理,形成决策表,用粗糙集进行属性约简和值约简,最后提取诊断决策规则,并对诊断规则进行评价.通过实例分析表明,该方法能提取出具有一定泛化能力的诊断规则,在故障诊断中能够提高诊断决策规则的匹配效率.     

论中共领袖关于三线建设战略决策的得大于失

20世纪60年代中期,以毛泽东为核心的中共领导集体,曾经异乎寻常地作出并雷厉风行地实施过一项长达10多年的重大战略决策,即在中国中西部地区开展大规模三线建设.40多年过去了,无论是评价毛泽东等国防战略思想和他们在社会主义时期的历史功绩,还是总结人民共和国经济建设方面的经验和教训,都不可避免地涉及到这项重大战略决策.     

浅谈如何提高语文教师的课堂反馈能力

新课标实施以来,很多教师都在进行改革课堂教学方法的试验。改革试验的着眼点在于如何调动学生学习的积极性,不断激发他们主动学习的精神。随之而来的是教师讲得少了,学生的活动多了,教与学、讲与练的双边活动经常处于错综交织的状态。这就给教师的课堂教学提出了更高的要求,即教师必须有较高的课堂应变能力,确切地说就是课堂反馈能力。作为一名语文教师,具备什么样的修养,从哪些方面努力,才能有较强的课堂反馈能力呢?一、知识面广,适应性强一个教师课堂适应性的强弱,反映了他的反馈能力的强弱。适应性强的基础是教师的知识面宽,知识面包括…     

被动免疫算法在模拟电路故障诊断中的应用研究

基于生物免疫系统的信息处理机理,介绍了被动免疫算法的实现过程,并将其应用到某装备电路板的故障诊断之中。该算法具有边检测边学习的动态调整功能,仿真和实验实例表明,该算法适合于电路板的故障诊断,有较高的故障诊断率。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。