滑动式Lagrange插值法在BDS星历插值中的应用分析

该文利用滑动式Lagrange插值算法,从三个方面对BDS三种星历进行了内插精度分析,并与传统La-grange插值算法做了比较.首先对比相同阶数下两种算法的非端点处插值结果的精度;其次考虑端点龙格现象,分析两种方法的端点插值结果的精度;最后根据计算结果的均方根误差,分析插值结果整体精度的大小,并采用BDS精密星历数据进行验证.研究结果表明,滑动式Lagrange插值算法的插值精度较高,且误差分布均匀,最高可达亚毫米级别.该方法较好地适用于BDS星历的内插.     

磁流变弹性体减振单元动力学分析

针对于被动式减振器无法调和汽车运动性和舒适性之间的矛盾，建立了可用于重载环境的挤压模式磁流变弹性体减振单元，并利用等效模型和两自由度模型对1/4单轮进行动力学特性和振动特性分析。结果表明：在外加电流下，磁场强度在（300～450）mT之间时，位移均方根值可迅速衰减到13mm；磁场强度在（450～600）mT之间时，位移均方根值可迅速衰减到7.5mm，完成一个周期后，加权加速度均方根值衰减到270mm/s²；进一步仿真得到不同车速下的均方根值，可知，压缩状态下在（60～100）km/h速度段，电流为1.27A-1.7A时加速度均方根值衰减迅速；伸张状态下在（40～80）km/h速度段，施加电流为1.7A时加速度均方根值衰减迅速。通过仿真得到磁流变弹性体减振单元最优控制参数，这为控制系统设计及减振单元结构布置提供了理论基础。     

基于AEPSO-BPNN的光伏阵列多场景参数辨识

针对光伏阵列内部机理较为复杂、参数难以快速准确辨识的问题,提出了一种自适应进化粒子群算法优化BP神经网络（AEPSO-BPNN）的模型建立和参数辨识方法。通过引入自适应、进化和重构等改进策略,可以提高粒子群算法的收敛性能,并将其对BP神经网络的初始权值和阈值进行优化,使神经网络算法在迭代后期不易陷入局部最优解,以提高参数辨识的精确度和速度。根据光伏阵列的实测输出电流和理论计算电流的差值,并考虑环境变化对内部参数的影响,构造均方根误差函数作为算法的适应度函数,从而将复杂的多参数辨识问题转化为带约束条件的非线性多变量最优化问题。最后采用多场景法,验证算法在不同光照强度和温度下的适用性和效果,并与其他算法进行对比,仿真结果表明该算法在误差、收敛速度和运行时间上有较大优势。     

基于声发射的天然气管道阀门内漏检测技术

对基于声发射的天然气管道阀门内漏检测技术进行探讨。介绍阀门内漏声源特征和阀门内漏声发射检测机理,阐述声发射检测系统的组成和功能,进行声发射检测系统的应用试验。试验发现:阀门内漏率与阀门压差成线性关系;可以将时域均方根作为内漏程度判断标准,时域均方根变化幅度越大,说明阀门内漏越严重;可以将频域峰值作为内漏程度评价标准,频域峰值变化越明显,说明阀门内漏越严重。     

基于时序分析的人员在室预测模型及其参数优化

分析了人员在室的时序规律,提出了基于时序分析的人员在室预测模型及其参数优化方法。将体现人员在室规律的时刻信息与历史在室概率作为输入训练模型,实现了人员在室预测。以混淆矩阵、正确率与均方根误差(E)作为指标,提出了人员在室预测模型的检验方法。选取珠海市某办公楼内1间办公室累计1年的人员在室数据作为实测案例,验证了人员在室预测模型,结果表明,人员在室预测的综合正确率为89.4%,E为0.325 9。     

美高森美IEEE1588平台新增超低抖动网络同步器产品

美高森美公司宣布其IEEE 1588产品系列增添三款新器件,包括两款单通道超低抖动网络同步器产品ZL30721和ZL30722,以及双通道产品ZL30723。这三款新型网络同步器都具有美高森美先进的IEEE 1588软件,并且封装兼容公司新近发布的ZL30621、ZL30622和ZL30623同步以太网(SyncE)器件,为客户提供高性价比的IEEE1588解决方案,扩大市场机会。美高森美     

基于统计推断的惯性定位精度评估方法对比

在对惯导系统精度评估标准统一化研究中,在一定的假设条件下,推导、归纳、整理了四类定位精度的评估算法(TRMS、RMS、σ和CEP)及相应的7个指标间的工程换算关系;利用某型捷联旋转惯导4次实际导航数据进行了仿真分析,从推断算法、指标间换算关系、精度折合效果等方面进行了对比验证,基于理论分析和仿真验证结果表明TRMS评估算法及试验简单且易于转换,并对其精度折合给出合理化建议。     

超光滑光学基底表面原子力显微镜测试方法

原子力显微镜(AFM)是评价亚纳米级表面粗糙度σRMS最主要的测试仪器,但其测试结果会因采样条件(采样间距、采样点数)及测量点位置变化而改变。以AFM测试超光滑光学基底随机表面为例,应用累积功率谱理论建立了确定合理采样条件的方法,避免了采样条件选取不当带来的数据丢失或冗余;通过全局优化选取测量点和局部优化选取测量点相结合,降低了样品表面区域性差异给测试结果带来的不确定性,并大大减少了获得可靠测试结果所需的测试量。上述工作为超光滑光学基底AFM测试提供了有效方案。