水池拖动模型阻力测量系统

介绍了以8031单片机为控制核心,由传感器、放大器、微型打印机及数据采集自动启动电路构成的阻力测量系统。它装在水池小型拖车上,能自动启动阻力测量,自动计算及打印结果,具有体积小、重量轻、自动化程度高、精度好等特点,有较好的实用价值。     

一种新的变结构控制方案及其在船舶操纵中的应用

船舶的操纵与控制问题可以归结为一个四阶线性系统在环境干扰、参数摄动与建模误差同时存在时的状态空间控制问题。传统的变结构控制应用于船舶操纵系统易导致频繁来回操舵。本文研究一种连续的变结构控制方案,进一步讨论了其稳定性及优点,并将其引入限制水域的船舶操纵中。仿真表明,它可以完全抑制频繁来回操舵或抖振,并可得到较理想的控制效果。     

火炮反后坐装置故障模式、影响及危害性分析

本文应用故障模式、影响及危害性分析方法,分析了火炮反后坐装置各种故障模式及其对火炮性能的影响,提出了预防和改进的建议,从而为新火炮的设计和火炮故障分析提供了依据。     

某型舰炮低压电气系统故障诊断专家系统知识库的建立

本文利用故障树分析法,通过认真分析某型舰炮低压电气系统的原理和结构特点,建立了用于诊断的故障树,并在此基础上,建立了系统知识库。     

火炮的战场损伤评估与修复

根据战时靠前修理的原则,对战损武器作出快速反应,遏制参战武器战斗力的大幅度下降,是BDAR的任务。从火炮的基本原理、战损模式和影响,制定修复大纲,研制工具、设备,备件配备方案等几个方面分析了火炮战场损伤评估与修复的方法。     

非线性动态系统的渐近滑态控制概述

总结和推广了非线性动态系统渐近滑态（ＡＳＭ）控制方法的若干理论成果。在相当一般的假设条件下,我们指出了可以采用连续（乃至光滑）的控制方案,将系统的状态驱往给定的滑动流形上。此外,我们还引入了基于Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程的理论方法,统一了先前得到的关于闭环系统鲁棒性分析的结果。最后我们列举了一些应用例子和研究建议。     

并行科学计算应用的动态I/O模式分析

设计高性能并行文件系统的关键前提是对 Ｉ／ Ｏ 访问模式的分析和研究。并行文件系统的界面、组织结构、ｃａｃｈｅ 预取算法等都与具体应用的 Ｉ／ Ｏ 模式紧密相关。目前，大多数对 Ｉ／ Ｏ 模式的分析局限于其静态模式，而动态 Ｉ／ Ｏ 模式对并行文件系统的设计至关重要。本文通过分析并行科学计算应用的动态 Ｉ／ Ｏ 访问模式，总结出科学计算应用在访问数据量、时间间隔、访问顺序性等空间、时间上的一般访问特性，并在此基础上提出设计面向并行科学计算应用的并行文件系统应考虑的因素。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

汉字库图形点阵库液晶模块在激光告警接收机中的应用

在激光告警接收机中,为了直观显示激光的波长和入射方向,需要研究信息的显示技术.研究了字符点阵液晶显示模块(LCM12864ZK)在激光告警接收机中的应用,实现了2线串行接口方式与单片机89C2051通信,完成全中文人机交互图形界面.设计了简单方便的接口,编写了灵活的操作指令,其模块化的设计思想为多显示模并行应用提供方便.研究成果已经运用到激光告警设备中,能够实现快速显示敌方激光的波长与方向等信息.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。