基于部件危害度的自航水雷贮存可靠性分析

为了研究自航水雷贮存可靠性,根据自航水雷功能原理,建立以部件级故障为底事件的系统故障树.在此基础上,根据自航水雷战备转进检测数据,运用改进的故障模式影响及危害度分析(FMECA)方法,分析并计算各部件故障的危害度,从而确定主要影响自航水雷长期贮存可靠性的关键部件.供电及信息控制器故障危害度最大,其次是密封圈失效、控制系...     

重回课堂教育主阵地:智慧课堂教学效能感及其影响因素研究

研究基于智慧课堂“三段十步”的教学特点开发了中小学教师教学效能感量表，以智慧示范区有智慧课堂一线教学经验的中小学教师为研究对象，发现学科与年龄是教学效能感差异性的关键因素，感知乐趣性、绩效期望与教师的智慧课堂使用行为意图与智慧课堂教学效能感的量化关系显著，并以此为依据针对影响中小学教师智慧课堂教学效能感的各个层面提出了相关建议。     

基于自相关的匀速运动模糊尺度参数识别

运动模糊图像复原主要取决于点扩散函数(PSF)的确定。对于匀速直线和匀速旋转运动模糊图像,运动方向和模糊尺度决定了PSF,是重要参数。根据模糊图像的像素点具有高度相关的特性,采用差分和自相关等技术,精确确定模糊尺度,为图像复原提供必要参数。仿真实验验证了该方法的正确性和有效性。     

激光陀螺捷联惯导系统元件误差自标定技术

通过设计一种实用的激光陀螺捷联惯性导航系统自标定算法,保证在外场使用情况下,能对惯性器件误差(三个陀螺漂移和三个加速度计零位)进行精确标定,确保系统长期使用精度.在完成算法设计的基础上,进行了仿真计算,取得满意的仿真结果.     

基于气体传感器和自组织神经网络的早期火灾探测研究

传统的火灾探测利用烟雾和温度触发火灾报警。这些装置缺乏对早期火灾源的探测能力,而且总存在错误报警。利用金属氧化物气体传感器(MOGS)的组合,采用自组织特征映射网络方法,应用于多种火灾源的早期探测。试验表明,采用自组织特征映射网络方法能够区分所试验火灾气味,达到99.8%的识别准确率,表明这种电子鼻(EN)应用于实际探测早期多种火灾源的可能性。     

基于BP神经网络的D-S证据理论及其应用

命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一.目前,大部分确定方法受专家知识偏好影响较大,难以反映客观情况.将BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力.文中建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法.仿真实验表明,该模型可行.     

谈作文评讲课的新思路

在作文教学中,我们常常强调学生写出想象丰富、新颖别致、语言优美、富有个性的高品位的文章,殊不知,在学生的写作中,教师的指导、评改、评讲起着十分关键的作用.一堂好的评讲课,不仅是让学生欣赏好的范文,充分激发他们的创作激情,而且可以极大的鼓励他们追求真善美的价值取向,写出内容美、形式美的好作品.那么怎样把评讲课上得精彩,使学生在审美欣赏中乐于创造呢?古人说:授人以鱼,不如授人以渔.就是说教给他们好作品,不如启发创新的方法.因此作文评讲课要有一种新观念,新思路.即必须打破旧的思维定势、固定模式,顺应学生的天性,充分肯定他们的创新意识.     

航空自组网中面向容错的中继节点速度控制

由于飞机节点的通信距离有限,航空自组网的网络拓扑高动态的变化会导致频繁的网络分割并严重影响网络上层应用的正常运行。为了保证飞机节点之间端到端的连通性不受影响,航空自组网必须具备容错性,即任意一个节点或链路失效后网络仍然连通。通常情况下飞机节点的运动不可控,因此可在网络中加入一定数量的中继节点,通过控制中继节点的运动速度来实现并维持航空自组网的容错性。提出了一种在线中继节点速度控制方法,该方法根据网络当前状态计算出中继节点的最佳运动方式,在保证网络容错的前提下使得中继节点在网络运行时间内所运动的总路程最短。仿真结果表明该中继节点速度控制方法在航空自组网的容错控制方面具有潜在的应用前景。     

浮球式惯性平台连续翻滚自标定自对准方法

针对浮球式惯性平台系统的标定与初始对准问题,提出了一种基于姿态角的连续翻滚自标定自对准方法。根据浮球平台工作原理,建立了惯性器件误差模型,推导了浮球平台的姿态动力学方程;设计了平台在重力场连续翻滚的施矩方案;利用分段线性定常系统和输出灵敏度理论分析了系统的可观性。仿真结果表明,该方法可以同时实现平台系统42项误差系数的高精度标定与初始对准,有效地提高了系统的测量精度。     

基于智能集成架构的时间序列数据挖掘算法研究

针对单一算法在处理复杂时间序列数据时存在缺陷以致无法挖掘全部信息的问题,提出了智能集成架构,给出了4种集成结构,并分析了它们的适用情况。针对一类随机噪声干扰的时间序列数据,采用并联嵌套建模结构,提出嵌套双种群粒子群算法的自回归滑动平均(ARMA)模型,用于挖掘数据中的随机性趋势;提出基于概率密度控制(PDF)的最小二乘支持向量机(LSSVM),用于挖掘数据中的确定性趋势,两种模型并联补集成实现对数据信息的充分挖掘。通过一组实验验证了所提方法的效果。