汽车侧倾稳定角与翻滚性能研究

通过相近车型的平台翻滚试验与侧翻静态试验结果对比,研究了侧倾稳定角与车辆翻滚性能之间的影响关系。利用综合考虑悬架组合角刚度和轮胎垂直刚度的简化数学模型,进行侧倾稳定角的求解。同时,基于有限元思想,对悬架和轮胎等关键结构详细建模,其他结构简化建模,利用有限元模型对微型汽车侧倾过程进行仿真,求解稳定角。将数学模型、有限元模型求解结果与实车试验结果进行对比分析,结果表明,两种求解方法的相对误差均小于5%,其中有限元模型的误差较小。综合对比两种求解模型的特点,分析了每种模型的试用阶段。     

LDPC编码慢跳频系统中的一种信道状态估计算法

采用信道编码技术能提高跳频系统的抗干扰能力,而精确的信道状态信息有利于提高系统误码率性能。基于和积译码过程,提出一种新的迭代信道估计译码算法,把译码后验信息反馈给信道节点并重新计算信道状态概率,生成新的对数似然比作为下一次迭代的先验消息,而且信道估计与编码信息在迭代中交替更新。仿真结果表明在部分频带干扰的LDPC编码慢跳频系统中,该算法性能优于传统的门限检测法,而且每个跳频时隙只需要较少符号就能够接近有精确信道状态信息的情况。     

核电站环形起重机大梁的运输

岭澳核电站核反应堆厂房内的环形起重机 (以下简称环吊 )是核岛内部最重要的设备之一。在穹顶吊装完毕 ,核反应堆厂房封顶后 ,厂房内大部分设备均由环吊吊装。一台环吊有 2条大梁 ,每条重80ｔ,外形尺寸 (长×宽×高 )均为 35 32ｍ× 3 0 4ｍ× 4 6ｍ ,制造厂家为法国ＦＲＡＭＡＴＯＭＥ公司。1　运输难点大梁两端可做为运输支承的端面相距 33ｍ ,每个端面面积仅 1 785ｍ2 ,采用单部车辆难于满足运输要求。只能采用桥式运输 ,即采用两部车 ,前后支承大梁两端进行运输。大梁两端头可供运输支承的两端面比大梁最低的底部工字形小车轨道高1 4ｍ…     

三相鼠笼式异步电动机的软起动技术

本文提出了多种能够实现软起动的起动方法。     

对当前我国城市化的分析与思考

总结和评价了当前我国城市化发展存在的问题,认为城市化发展误区根源在于对城市化内涵理解的偏差,进而对城市化内涵进行探讨,包括城市化概念及其衡量指标体系的再认识,并提出了制定我国城市化目标应考虑的问题.     

基于VRML的多用户环境研究和虚拟场景的创建

在讨论虚拟社区和基于VRML的多用户环境的基础上,结合Java和VRML给出了虚拟社区中场景建立、3D替身的导入以及EAI应用的方法。     

带落角约束的均值聚类神经网络滑模制导律研究

为提高电视末制导炮弹对地面目标的命中精度,减小炮弹的落角误差,同时实现以期望落角命中目标,在分析带落角约束滑模制导律特点的基础上,针对RBF(Radial Basis Function)神经网络滑模制导律难以以期望落角命中目标的不足,提出了一种结合均值聚类与RBF神经网络的滑模制导律,使得神经网络在学习过程中能根据炮弹的实时飞行状态不断调整聚类中心,使中心值始终是目前飞行状态下的最优解,实现制导律的优化.对静目标与动目标算例的数值仿真表明:相比带落角约束的滑模控制,RBF神经网络滑模控制、均值聚类RBF神经网络滑模控制由于均值聚类的加入,求得的切换项增益能使炮弹以期望落角命中目标,且具有较强的鲁棒性.     

结合注意力机制与BIM特征的电力能耗预测

能耗预测中引入外因序列有助于目标序列的预测,但在实际应用中各个外因序列与目标序列之间的相关程度往往不清晰,导致无法有效利用多外因序列辅助预测.针对该问题,提出一种结合注意力机制与BIM特征的电力能耗预测模型——BIMAttenNN(BIM Attention Nerual Network).通过结合注意力机制与BIM特征对外因序列自动选取并重构,将重构特征通过编码器-解码器结构的深度神经网络和线性回归分支准确预测未来电力能耗.实验结果表明,BIMAttenNN能够结合BIM特征自动捕捉电力序列间关系,与传统方法相比具有更高的预测精度.     

一种基于DBN的网络入侵检测算法

针对传统BP神经网络在检测速度、精度、复杂度等方面的缺陷,提出了一种基于深度信念网（deepbeliefnets,DBN）的网络入侵检测算法,将数据通过双层RBM结构降维,再用BP神经网络反向微调结构参数,从而简化了数据复杂度,减少了BP神经网络的计算量．通过对KDD99数据集仿真实验表明,该算法对于大数据拟合快,检测精度较高．