基于SVM的软测量建模

支持向量机(Support Vector Machines)是一种基于统计学习理论的新型学习机，本 文提出用支持向量机建立软测量模型．理论分析和仿真研究表明，该方法学习速度快、跟踪 性能好、泛化能力强、对样本的依赖程度低，比基于RBF神经网络的软测量建模具有更好的 推广能力．     

图像加密技术综述

随着Internet技术的发展，人们对通信隐私和信息安全技术越来越重视，综述了图像图像加密技术的进展状况，对其中的若干图像加密技术，如图像像素置乱技术，基于秘密分割和秘密共享的图像加密技术，基于现代密码学体制的图像加密技术以及基于混沌动力学体制的图像加密技术原理，特点与算法实现都做了阐述，并对这些图像加密技术做了分析与比较，指出了它们各自的优缺点和应用局限性，并讨认了今后的发展方向。     

腐殖酸基石墨化材料的制备及其电化学性能

以腐殖酸为前驱体,通过高温热处理制备锂离子电池负极材料。采用扫描电子显微镜(SEM)、X射线衍射(XRD)和电化学测试系统对该材料的形貌、微晶结构和电化学性能进行表征。结果表明,腐殖酸基石墨化材料呈现出较为规整的石墨片层结构,且随着石墨化温度的升高,所得材料的石墨化度也越来越高。腐殖酸基石墨化材料均表现出良好的电化学性能,石墨化温度为2 800℃所制备的石墨化材料的首次放电比容量为356.7 mAh/g,充电比容量为277.6 mAh/g,首次充放电的库仑效率为77.81%,在1C和2C倍率下50次充放电循环后的容量保持率分别高达99.4%、95.9%,是一种理想的锂离子电池负极材料。     

告警直传双机同步方法研究

针对告警直传系统的事件漏发及重发问题,本文提出了一种基于ICE对等模式的双机同步方法。本文分析了事件漏发及重发问题的原因,设计了一种以事件特征值和主站IP地址作为事件惟一标识的同步数据结构,采用该同步数据和ICE对等模式的双机同步方法,实现了告警直传双机切换过程中减少重发、杜绝漏发事件的目标,保障了告警直传双机切换过程中双机数据一致性。通过仿真试验,验证了该同步方法和数据结构的有效性。     

壳法用热塑性酚醛树脂的不同合成工艺对聚合速度和软化点的影响

研究了不同合成工艺对壳法用热塑性酚醛树脂聚合速度和软化点的影响。试验表明，采用复合催化法很容易制备聚合速度快且软化点适宜的壳法用热塑性酚醛树脂。     

基于S变换的电力系统间谐波检测

电网中常存在许多频率与基波成非整数倍的间谐波.S变换是由连续小波变换和短时傅立叶变换结合发展起来的另一种时频分析方法,具有概念清晰、结果直观等优点.本文首先分析了应用S变换时频分析进行电力系统间谐波检测的基本原理,然后对平稳间谐波和电压波动引起的动态间谐波等典型算例进行了计算仿真.仿真结果表明,该方法能很好地检测平稳间谐波的幅度及频率,并能较好地检测动态变化间谐波,实现间谐波的有效分析.     

PID控制及图像识别的自主循迹四旋翼设计

本文四轴平台以STM32F407微控制器作为飞行控制的核心,硬件包括用于飞行姿态信息采集的MPU 9150九轴陀螺仪传感器,用于飞行器高度和航线图像信息采集的US 100超声波模块和配置了云台的OV7670摄像头模块,为四轴飞行高度和航线提供期望修正参数.另增加一片STM32F407芯片进行图像处理,提高图像采集的实时性和处理的快速性.通过姿态解算、PID控制以及结合图像实时处理来实现四轴的平稳飞行和自主循迹.     

基于MPI与OpenMP的飞机电磁软杀伤动态评估分析

针对国内外强电磁脉冲耦合效应分析现状及问题,阐述了电磁软杀伤概念,提出了基于共享存储OpenMP标准与消息传递MPI的时域有限差分-通用电路仿真程序FDTD-SPICE并行同步算法,建立了在电磁脉冲激励作用下的动态耦合模型,解决了飞机电磁软杀伤动态评估的难题;以某军机为例,开展了电磁武器的座舱耦合分布电磁场和FDTD-SPICE等效电路的并行同步仿真试验与防护评估分析.试验结果表明,该算法并行同步效果良好,军机在通电状态下,军机在通电状态下,幅度最值大大高于不通电条件下的幅度最值,易损性增强,防护效果减弱;防护座舱能大大减轻电磁武器对机载电路的影响.     

基于STM32的微型步进电机驱动控制器设计

设计了一种微型步进电机驱动控制器,通过上位机界面修改步进电机转速、旋转角度、细分系数。该设计以STM32F103T8U6作为主控制器,以A4988步进电机驱动设备,上位机串口界面作为人机接口界面,详细分析步进电机驱动设备的工作原理、各部分接口电路以及控制器设计方案。通过实物设计实现了步进电机转速、正反转任意角度和细分系数的控制,并通过精确计算步进脉冲个数实现了任意旋转角度的精确控制,该驱动控制器步进角度精度高达0.112 5度。     

回归支持向量机的改进序列最小优化学习算法

支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,提出了实现回归支持向量机的一种改进的SMO(sequential minimal optimization)算法,给出了两变量子优化问题的解析解,设计了新的工作集选择方法和停止条件,仿真实例说明,所提出的SMO算法比原始SMO算法具有更快的运算速度.