柴油机一维仿真及压缩比对其冷起动排放的影响

使用GT-Power对某六缸柴油机进行了仿真计算。首先建立原机(压缩比为15.4)的一维模型,并与试验数据进行验证。因为柴油机冷起动阶段的缸内温度较低,所以柴油机的排放增加,可以选择最优压缩比,以降低柴油机冷起动阶段的排放。在原机模型的基础上,以0.1的幅度从14逐渐增加压缩比至18,结果表明,柴油机冷起动阶段的排放随压缩比的增大而降低,最优压缩比为17.5。     

火工品压药机装配误差的研究

针对军用雷管生产线中压药机结构,分别用极值法和概率法对压药机冲子和雷管的配合精度,进行了装配尺寸链的描述和计算,并对所得的结果进行了比较。     

风机盘管在空调工程中的应用及分析

根据风机盘管的特性，分析了设备运行状况和能量调节方法等方面的有关问题，指出了风机盘管采用变风量的方法调节能量所存在的弊端，同时还分析了在空调设计中，如何充分运用这些特点来合理选型，并对产品开发方面提出了建议。     

基于双迭代聚能量字典学习的数据压缩算法

针对基于稀疏表示（Sparse representation,SR）的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。     

采用面积采样的反走样字符旋转算法

目的 针对现有字符反走样算法中灰度分配不准确导致的字符抖动、实时性较差等问题,提出一种高效的反走样算法.方法 首先,算法基于面积采样原理,根据周围邻域的像素点来分配灰度,使像素点的坐标定位更加准确,从而解决了字符动态显示时抖动的问题;其次,通过反向坐标变换消除了字符旋转后出现的空洞现象;最后,算法充分利用了FPGA的并行计算能力,在时间和空间上都做到了优化.结果 实验结果表明,本文算法很好地解决了字符抖动问题,并且新算法的仿真速度约为传统算法的6倍以上,比五株排列算法提高了30%.结论 相比其他算法,新算法的优势体现在两个方面,一是字符的灰度过渡平滑,反走样效果更好;二是速度快,实时性高,新算法适用于工程中各种场合下点阵字符的显示,尤其是实时性要求高的环境.     

基于无线声发射传感器系统的活立木含水率 诊断方法研究

水分在活立木的生长代谢过程中起着至关重要的作用,实时准确的含水率测量对于立木培育及林木经营具有关键指导意义。以无损检测活立木树干含水率为主要目标,设计并实现了一套基于无线声发射传感器网络(WASN)的木材含水率诊断系统。首先WASN节点高速采样树干表皮的声发射信号,接着计算其特征参数并无线传输至网关,然后采用最大相关最小冗余(mRMR)判据从中筛选出最优特征组合,并经由麻雀算法优化的支持向量机(SSA-SVM)建立含水率辨识模型,最后即可进行在线实时的长期监测诊断。分别在水杉、杨树、松树和山毛榉四类树种上进行了实测,结果表明,诊断准确率最低为95.5%,所设计WASN完全具备长期部署观测树木蒸腾作用的功能。     

基于回声状态网络的BOD在线软测量模型

针对污水处理过程的BOD建模问题,提出了一种基于回声状态网络的BOD在线软测量方法;基于梯度下降规则对回声状态网络的在线学习算法进行了研究;为保证学习算法的收敛性,基于Lyapunov理论对学习率范围进行了确定;实验表明,基于回声状态网络的在线BOD预测方法较常规神经网络预测精度提高约两个数量级,模型的适应性也大幅提高。     

前向神经网络参数估计中的进化规划

人工神经网络在很多领域有着成功的应用。神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解。进化规划是一种随机优化技术,它可以发现全局最优解。文章介绍了进化规划在前向多层神经网络参数估计中的应用,结合具体例子给出了算法实现的具体操作步骤和实验结果。实验数据表明采用进化规划得到的网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

自动测试系统自检方案设计

大型自动测试系统测试仪器、开关的种类、型号、数量都较多,因此全系统自检有较大难度。分析一般自动测试系统基于仪器自检的系统自检、基于仪器比对的系统自检、基于开关切换的系统自检等方案,给出一种综合自检方案。该方案分为仪器自检、关键仪器测试、开关系统测试和仪器比对4个步骤,能可靠地检验自动测试系统通用部分的可用性。