基于动态扫描控制的多路数据选择电路的设计

数据选择器具有对输入的数据进行选择性输出的功能,利用动态扫描控制电路的输出信号作为数据选择器的地址信号与使能信号,可以使数据选择器按照动态扫描控制电路设定的信号传输顺序将收到的并行输入信号转换为串行输出。配合使用相应的门电路与触发器,基于动态扫描控制的多路数据选择电路可以简便的实现32选1与64选1电路的设计。     

胶版纸和铜版纸基本性能对印刷网点复制的影响

测试了70 g/m2胶版纸和157g/m2铜版纸的平滑度、光泽度和油墨吸收性等参数及其打印纸样不同区域的网点百分比和各实地色块的三刺激值,通过计算它们的网点增大值和x、y色度坐标,绘制了不同印样的网点扩人曲线和色域图.研究结果表明,当印刷条件相同时,由于157 g/m钢版纸具有较高的平滑度、光泽度和较小的油墨吸收性,其网点扩大值较小,色域范围较大,故印刷网点复制效果较好;而70 g/m2胶版纸的平滑度、光泽度等指标均低于铜版纸,油墨吸收性较大,因此其网点扩大值较大,色域范围较小.     

大气压下冷等离子弧制备SiO_x涂层超疏水表面

采用冷等离子弧在大气压下以六甲基二硅氧烷为单体制备SiOx超疏水薄膜,研究不同工艺参数对薄膜的结构性能影响。通过傅里叶红外光谱(FTIR)对SiOx薄膜进行了结构分析、通过原子力显微镜(AFM)和数字光学显微镜分析了SiOx薄膜的表面形貌、通过接触角仪测试了所沉积的SiOx薄膜亲/疏水性。在较为详细的研究冷等离子弧制备工艺参数对薄膜的影响后,如基片高度、单体输入量、沉积时间等,我们得到,在基片高度为10cm、单体输入量为90mL.min-1、沉积时间为2min时,可以制备出接触角为160°以上的SiOx超疏水表面。     

气动技术在机器人领域中的应用与发展

本文在分析了气动机器人的特点及目前存在的问题的基础上,从运用智能材料、创新结构设计、结合先进技术、拓展应用领域等方面对气动机器人的技术现状(仿生学设计、功能化设计等)进行了综述性研究,并结合新型工业化的特征探讨了气动机器人未来的发展方向(模块化、数字化设计等),为未来气动机器人的技术发展提出了一定的预测。     

一种新型基于Binary-LWE的认证密钥交换协议

为了设计一种基于格困难问题的强安全认证密钥交换协议,分析了DXL12和DXL14方案中缺少认证功能导致容易遭受中间人攻击等缺陷,提出一种基于Binary-LWE的认证密钥交换协议。该协议具有两轮消息交互,不依赖于数字签名提供隐式密钥认证,并采用2012年Micciancio和Peikert在欧密会上提出的陷门函数来提供双方认证功能。在随机语言机模型下将安全性直接建立在Binary-LWE问题的困难性假设上,具有前向安全性、抗中间人攻击、抗冒充攻击等安全属性。由于该方案的安全性是基于格上困难问题,所以可以抵抗量子攻击。     

一种基于Rabin和Paillier的数字签名方案

从单向陷门函数的角度分析Paillier签名方案的安全性,针对当前Paillier签名方案中效率和安全性不能兼顾的现状,提出一种基于Rabin和Paillier的数字签名方案。方案以改进的Paillier签名方案为基础,结合Rabin体制中的Blum-Williams单向函数,以及签名过程中s1的计算困难性基于模合数的平方根问题,并对提出的方案进行了安全性分析和效率分析。分析结果表明,新方案有效解决了现有Paillier签名方案中存在的问题,在保证签名安全性的同时具有较高的效率,在现实生活中更具实用性。     

基于路由选择能力的容错路由选择

本文基于路由选择能力的概念,建立了一个有效的路由选择算法,该算法在故障超立方上具有较强的容错性,并可在不连通的故障立方体或含有故障边的立方体上使用。     

基于DSP的交流伺服控制系统

提出了一种全数字交流伺服驱动器的软硬件设计与实现方案,系统核心控制部分采用TI的电机专用控制芯片TMS320F2812,功率电路则采用一体化智能功率模块 (ASIPM) 构成.给出了系统的实验结果,表明了该系统具有动态性能好、控制精度高的突出优点.     

一种自增感光敏聚酰亚胺的制备及性能

本研究合成了一种新型的具有不对称结构的芳香二胺单体,即2,4,6-三甲基-3-胺基苯基-3′-胺基苯基甲酮(TMPDA),并与3,3′-4,4′-二苯甲酮四羧酸二酐(BTDA)经低温聚合和化学亚胺化合成了一种可溶性光敏聚酰亚胺。采用FTIR、UV、DSC、TGA等测试手段对树脂的结构与性能进行了表征和研究。该种聚酰亚胺具有自增感特性,并经过紫外光(365nm)曝光后可以得到较清晰的阴图型图像。     

ARIMA-SVR组合方法在水质预测中的应用

针对复杂水域水质变化机理难以掌握、水质预测建模困难且预测精度低的问题,将时间序列分析方法与机器学习方法引入水质预测领域,提出了基于差分自回归移动平均(ARIMA)与支持向量回归(SVR)组合模型的水质预测方法。数据经过预处理后先由ARIMA模型对其进行线性拟合,然后通过SVR模型预测残差以补偿其中的非线性变化。选择巢湖水域2004—2015年间的pH和溶解氧监测数据作为试验样本,通过Hodrick-Prescott(HP)滤波方法分析,结果表明2组数据具有不同的趋势特性和波动特性。根据精度评价指标对比分析模型的预测效果,结果表明组合模型预测精度显著提高,pH和溶解氧预测值与观测值间的相关系数均达到了0.99,均方根误差分别为0.20和0.61,平均绝对百分比误差分别为2.2%和6.6%。本研究所建立的组合预测方法具有较高的预测精度和较强的泛化能力,适用于复杂水域的水质预测。