实时应用中的内存锁定技术研究

内存锁定是一种保证某进程驻留在内存而不需换页的方法。在实时环境中 ,系统应保证将某进程锁定在内存中 ,以减少数据访问、指令读取、进程间缓冲区切换等等引起的延迟。将一个进程的地址空间锁定在内存中 ,就为应用的响应时间满足实时需要提供了保障。一般来说 ,对时间要求苛刻的进程应锁定在内存中。本文主要以实时环境为背景 ,阐述了内存锁定和解锁函数以及在多进程下内存锁定技术的应用。     

直流磁控溅射法制备c-BN膜

本研究用一种新的方法—直流磁控溅射法制备了立方氮化硼膜(c-BN)。因为它的沉积速率较高,未来工业化的潜力较大,这一技术对工业界具有很大意义。c-BN膜的沉积过程由过去的射频系统改造而来。直流溅射的靶材选用了碳化硼,靶及试样台均接负极。我们将试样台放在一圆形电磁线圈的中央,即采用非平衡磁控模式。试验证明,试样台上的离子流密度及高子与中性粒子的比例是重要的试验参数。通过试验,在单晶硅片及钢衬底上沉积了几近单相的c-BN膜,并用电子探针(EPMA)、X射线光电子谱(XPS)和红外谱(IR)对膜的成分和结构进行了分析。膜的硬度和摩擦系数测量表明,所制备的c-BN膜具有出色的机械和摩擦学性能。     

非线性控制在磁悬浮系统中的应用

用滑模变结构控制原理设计磁悬浮系统非线性控制器，并在磁悬浮球装置上进行了试验，结果证实这种控制器具有完全的鲁棒性、良好的参数适应性，设计方法也有广泛的适用性。悬浮系统的刚度有显著的提高。     

磁场环境下黏弹性基体中非局部纳米梁动力学特性分析

根据非局部Euler梁理论建立了外部磁场影响下的黏弹性基体上纳米梁的动力学问题分析模型。通过引入Kelvin黏弹性地基模型和洛伦兹力,得到了纳米梁的振动控制方程。基于Kelvin-Voigt黏弹性模型,给出了黏弹性基体上纳米梁在磁场影响下的固有频率解析解,并就多种典型情况进行了分析。在一般情况下,利用传递函数方法对振动控制方程进行求解,得到了纳米梁固有频率及相应振型的封闭解。以某单壁碳纳米管为例,计算得到了多种边界条件下纳米梁的前三阶固有频率,并详细分析了非局部参数、磁场强度、长细比、阻尼系数及边界条件等因素对纳米梁振动特性的影响情况。结果表明,文中所建的动力学分析模型对研究磁场作用下纳米梁在黏弹性基体上的动力学特性问题准确有效。     

基于反射内存网的复合导引头联合仿真试验设计

联合仿真试验同时具备实装试验、数学仿真试验和半实物仿真试验的优点,可构建全面逼真的试验环境,其中实时算法和通信技术是关键技术。基于反射内存网技术,进行了复合导引头联合仿真试验总体方案设计,对试验中的时间同步、数据同步等关键问题进行了研究,解决了联合仿真试验中各仿真系统协同及实时通信问题,对联合仿真试验的开展有一定的应用价值。     

高等数学中典型错误剖析及对策

在教学中 ,教师若能预先估量学生的错误 ,有针对性的教学 ,就一定能取得满意的教学效果。本文对高等数学中学生所犯典型错误作归因化剖析并给出相应的对策     

一种基于神经网络的磁性目标定位方法

磁性目标定位问题可归结为一类非线性规划问题的求解 .该问题的最大特点就是其目标函数的计算过程极为繁琐 .而目标函数计算的快慢对磁定位的实时性有很大影响 .在详细研究了目标函数之后 ,给出了目标函数的一种神经网络结构实现 .由于该网络结构易于并行计算和VLSI实现 ,从而可使磁定位的实时性得到改善 .     

弹性轨道磁悬浮控制系统模型降阶研究

在磁悬浮控制系统中,常常忽略轨道的弹性来设计控制算法。在这种控制算法作用下,当轨道刚度较小时,系统容易产生振动。为解决该问题,可以将轨道弹性加入悬浮模型,然后设计控制算法。考虑轨道弹性之后,悬浮系统的模型会比较复杂,控制算法难以在工程实现。为此,采用Hankel范数近似法对考虑轨道弹性后的模型进行降阶,并且在降阶模型的基础上设计控制算法,解决了轨道弹性引发的系统振动问题。并且,这种方法容易在工程中实现。文章最后利用仿真结果验证了降阶方法的可行性。     

基于新型非易失内存的远程零拷贝文件系统

为提升物联网与边缘计算应用中前端节点间的数据访问效率,提出了一种新型远程零拷贝文件系统。该文件系统无须借助特殊硬件,可直接基于通用网卡设备实现零拷贝的数据传输框架;充分利用新型非易失内存的随机访问特性,尽可能减少数据缓存和拷贝,提高数据访问的吞吐量。建立缓冲区池,精简并融合传统网络栈和存储栈,从而缩短文件访问路径,减少软件冗余,降低数据访问延迟。最终提供高带宽、低延迟的远程数据访问性能。测试结果表明,远程零拷贝文件系统比传统网络文件系统减少了42.26%～99.19%的读写延迟,细粒度访问下的吞吐量最高可提升1297倍,显著降低了处理器开销和缓存失效次数。     

基于多通道卷积神经网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立磁性运动目标三分量投影模型,并据此生成磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。设计多通道卷积神经网络,对目标的正横距离和运动速度进行估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响。结果表明:Adam+tanh组合方式的估计性能要优于其他组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。