基于全网冲突的自适应退避算法的研究

退避算法的设计对基于竞争的IEEE 802.11协议影响重大,而退避的前提取决于冲突的发生和正确判断。本文在DCF协议的基础上提出了一种基于全网冲突的自适应调整竞争窗口的新型退避算法(CWN-BEB),CWN-BEB算法通过统计全网冲突次数(即整个网络所有节点发生冲突的总次数),使全网冲突对节点透明,并引入一个新的变量全网冲突概率来自适应改变竞争窗口大小。此算法未引入额外开销,可以很好地与802.11 DCF协议兼容,实现复杂度低。仿真结果表明,在低负载情况下,CWN-BEB算法可以较好地向DCF协议收敛;在高负载情况下,CWN-BEB的时延和吞吐量等性能明显优于802.11 DCF协议。     

基于假设检验的回归模型算法在脱靶量解算中的应用

在脱靶量处理中,准确选取弹道的拟合函数是计算脱靶参数的关键.本文首先利用假设检验的回归模型算法,合理选取模型并确定函数阶次,提高函数逼近程度,减小了经验选模的函数拟合误差.其次,通过运用双弹道的数据融合算法解算脱靶量参数,消除了传统算法在弹道参数衔接点的跳跃现象,并通过理论仿真和实测数据验证了算法的有效性.     

硫酸盐侵蚀混凝土内外影响因素及影响机理研究进展

论述了硫酸盐侵蚀混凝土过程的反应机理、内外影响因素、影响机理及理论模型等研究进展.首先以水泥水化反应为基础阐述了硫酸根离子侵蚀混凝土的机制,再根据侵蚀过程中内外影响因素和理论模型,分别针对孔隙、掺和料、结晶压、化学活性和电耦合效应等变量因素进行了论述,采用不同理论模型解释了变量演变过程;侵蚀影响造成扩散系数及损伤演变,并对其建立模型以及模型修正情况进行了描述;最后主要根据目前存在具有争议性问题以及后期研究方向进行了展望.     

基于底部隔板的厢式货车的气动减阻

针对某国产厢式货车的简化模型,应用计算流体力学原理与方法,采用四面体、三棱柱、六面体及金字塔型等单元的混合网格和Realizable k-ε湍流模型,对其无隔板、加装4种形式及9种尺寸的底部隔板的外流场进行数值模拟,得到不同情况下该车的气动阻力系数、表面压力分布、流线以及速度矢量分布等气动特性。对比分析加装隔板前后及各方案的流动特性与气动阻力系数,结果表明,加装底部隔板可以改善轻型厢式货车的气动特性,降低气动阻力。     

使用控制授权模型的安全性研究*

在基于策略的模型中,研究了使用控制授权模型的安全特性,首先分析了在一般使用控制授权模型中安全问题的不确定性;然后在限定属性值范围和无生成策略的条件下,说明了安全问题的确定性;最后通过释放生成策略的限制,在非连通的属性生成图和包含生成父属性的属性更新图中,证明了安全问题的确定性.     

生物可降解聚乳酸纤维的发展现状及其改性研究

介绍了聚乳酸纤维国内外的研发现状和产能,并对比了聚乳酸纤维与其它纤维的性能差异。针对聚乳酸纤维耐热性差、柔韧性差以及功能化率低等特点,系统介绍了现阶段国内外研究人员通过共混、表面改性等不同方法对聚乳酸纤维的改性研究;探讨不同改性方法目前的研究现状以及优缺点;阐明聚乳酸纤维的未来研究方向应朝着差别化、功能化、高值化方向发展。     

基于不同涂层的镁水泥钢筋混凝土耐腐蚀性试验研究

针对因钢筋腐蚀而造成镁水泥钢筋混凝土使用寿命较短的问题,制备不同涂层钢筋的镁水泥混凝土试件,通过CS350工作站及其分析软件对不同龄期试件进行测试分析,根据腐蚀电位、腐蚀电流密度、腐蚀速率及涂层电阻等电化学参数,衡量同种涂层钢筋在不同环境下的抗腐蚀性能.结果表明:锌美特涂层在三种环境下均出现低腐蚀现象,且室内自然环境下腐蚀情况最轻、自然水浸泡环境下次之,氯盐浸泡环境下最差.美加力涂层与久美特涂层在三种环境下均未出现腐蚀现象,且室内自然环境下抗腐蚀性能最好、氯盐浸泡环境下次之、自然水浸泡环境下最差;三种环境下涂层钢筋防腐性能均为:久美特涂层钢筋最好、美加力涂层钢筋次之、锌美特涂层钢筋最差;涂层钢筋在不同环境下虽然抗腐蚀性能不同,但涂层技术均可以延长镁水泥钢筋混凝土构件的使用寿命.     

空气压缩机智能控制器的研制

本空气压缩机智能控制器是采用单片机技术和智能控制技术而开发研制出的一种新型控制仪器.它可以实现对空气压缩机的实时动态监控,而且在实际的应用中已取得了很好效果.     

现代机场航站楼广播系统及其应用探究

随着我国经济增长速度的加快,人们出行的频率也呈现上升态势.因此,人们为减少到达目的地的时间,同时提升乘坐交通工具的舒适度,越来越多的人选择乘坐飞机出行.基于此,为了避免旅客延误登机时间,建立完善且高效的现代机场航站楼广播系统就显得尤为重要.鉴于此,本文首先介绍现代机场航站楼广播系统的架构为切入角度,详细分析了广播系统的管理能力,最后对广播系统工作流程进行阐述,以供专业人士对现代机场航站楼广播系统进行更好的探究.     

基于关联变量时滞分析卷积神经网络的生产过程时间序列预测方法

生产过程通常具有大时滞、非线性、多变量耦合等特点,往往难以建立准确的时间序列预测模型。基于生产过程历史数据,提出了一种采用关联变量时滞分析卷积神经网络（CNN）的生产过程时间序列预测方法,首先选取合适的关联变量并对关联变量与输出进行时滞分析,然后利用时滞分析结果确定关联变量时间窗的大小,最后建立合适的CNN模型对时间序列进行预测。某反应精馏过程实验表明,此方法对于大时滞系统的长步长时间序列预测具有较好的准确性。