模糊数据的编码压缩

建立在普通集合之上的传统的数据压缩方法不能胜任模糊领域中的问题。因此,有必要从模糊集合理论出发,导出模糊概率的概念和模糊信息,赋予数据压缩理论和技术新的活力。本文试图从模糊理论的角度,借助于广义信息论,探讨模糊信息压缩的方法和意义。     

以可靠性为中心的维修

以可靠性为中心的维修(Reliability Centered maintenance——RCM)是美国航空界和美国防部制订装备预防维修大纲时所使用的一种维修理论,其主要目的是以最低的费用保持复杂装备的固有可靠性水平。本文跟踪RCM的发展过程,简述其基本原理和基本内容,并在综述国内外有关文献的基础上提出了笔者对RCM的认识及在军械系统应用RCM的必要性。     

试析火工品产品标准的改革

分析了我国火工品产品标准的现状与弊端,通过与美军标对比和工厂在具体产品标准上改革试行情况,提出了一些建议。     

自补微带天线

本文介绍了增加微带贴片天线阻带宽的一种结构,采用ＦＤＴＤ方法分析提出的结构,实验结果与计算数据相当一致,由实验获得了宽频带覆盖的辐射方向图。     

带限信号的最大熵正则外推算法

基于最大熵正则化构造了一种新的稳定的带限信号正则外推算法。当噪声δ（t）∈L~2[—T.T],其误差能量为δ,而且当δ→0时,所求得的正则化解将在（- ∞,∞）内一致收敛于问题的精确解。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

基于标注事件图的空间数据库主动规则终止性分析

主动规则的终止性分析强化了规则的设计高效性。给出主动规则元模型的概念作为主动规则终止性分析和比较的基础;对精化触发图进行扩展,提出标注事件图分析模型。结合实例给出终止性分析算法。与各种方法的对比说明标注事件图是可应用于终止性分析的通用抽象模型。     

TiZrNbVAl高熵合金弹体侵彻双层钢板可行性研究

为了验证TiZrNbVAl高熵合金弹体的可行性,开展了材料力学性能及弹体侵靶试验研究。对TiZrNbVAl高熵合金在应变率分别为10^-3s^-1、1 000 s^-1、3 000 s^-1和室温分别为、200℃、300℃条件下的力学性能进行了试验研究,获得了TiZrNbVAl高熵合金的准静态和动态力学性能,并对其冲击韧性、应变率效应及温度效应进行了分析,结果表明：TiZrNbVAl强度较好,抗冲击性能优异,在高温和动态加载条件下具有温度软化效应和应变率强化效应,并根据试验数据拟合得到了TiZrNbVAl高熵合金的Johnson-Cook模型参数。设计并开展了125 mm火炮侵靶验证试验,TiZrNbVAl弹体以786 m/s速度穿透2层Q345钢板,头部侵蚀较为严重,但主体结构完整,验证了TiZrNbVAl高熵合金用于侵彻战斗部壳体的可行性。采用数值仿真模型对侵彻过程进行了模拟,弹体头部侵蚀仿真结果与试验结果较为吻合,验证了材料模型和数值仿真模型可靠性。研究结论和成果可为高熵合金侵彻弹体设计提供思路和依据...     

多智能体系统指定时间双向编队控制

多智能体系统协同控制的收敛速率问题是当前系统与控制领域一个热点研究问题.结合指定时间控制思想,以一般线性动力学系统为控制对象,对多智能体系统双向编队问题进行研究.首先,利用庞特里亚金极大值原理,设计了指定时间双向编队控制器,双向编队指的是被分成两组的智能体最终以指定的编队队形、相反的方向进行运动;其次,通过运动规划算法...     

面向图计算应用的处理器访存通路优化设计与实现

针对图计算应用的访存特点,提出并实现一种支持高并发、乱序和异步访存的高并发访存模块(High Concurrency and high Performance Fetcher, HCPF)。通过软-硬件协同的设计方法,HCPF可同时处理192条共8种类型的内存访问请求,且访存粒度可由用户定义,满足图计算应用对海量低延迟细粒度数据访问的需求。同时,HCPF扩展了基于内存语义的跨计算节点定制互连技术,支持远程内存的细粒度直接访问,为后续实现分布式图计算框架提供技术基础。结合上述两个核心研究内容,基于流水线RISC-V处理器核,设计并实现了可支持HCPF的RISC-V片上系统(System-on-Chip,SoC)架构,搭建基于FPGA的原型验证平台,并使用自研测试程序对HCPF进行初步性能评测。实验结果表明,HCPF相比原有访存通路,最高可将基于数组和随机地址的两种随机内存访问性能分别提升至3.5倍和2.7倍。远程内存直接访问4 Byte数据的延时仅为1.63μs。