活塞凸头结构对活塞式压缩机性能的影响

建立活塞式压缩机工作腔内制冷剂的热力学模型,通过编程求得压缩机运转过程中制冷剂温度、压力等的变化规律。利用FLUENT建立动网格模型,模拟活塞凸头结构对压缩机排气过程的影响,从而推导出活塞凸头结构对压缩机性能的影响。结果表明,活塞凸头结构通过减小余隙容积从而提高容积系数,但凸头对排气产生额外的压力损失,降低压力系数,最终的压缩机COP不一定增加,同时结合仿真计算得出马赫数云图,根据马赫数云图可以得出比较合适的活塞凸头外形结构,为活塞凸头结构的开发应用提供理论依据。     

巧用电子白板,打造高效课堂

近年来,一种主要应用于教学的交互式电子白板出现了,它是兼容了网络科技、电子信息科技的集硬件和软件于一体的高性能电子产品,大小与传统的黑板无异,却有着传统黑板无可比拟的优越性,它的出现,使黑板的功能得以扩展,使教师在讲台上的施展空间也得以延伸。电子白板的有效应用,对打造高效课堂有着积极的作用。     

基于实时操作系统的低成本捷联惯导系统

针对捷联惯导系统低成本、小体积的要求,给出提出一种利用微机械惯性传感器,、以ARM芯片作为导航计算机的硬件方案。设计基于嵌入式实时操作系统的实时多任务导航计算机软件系统。测试结果表明,姿态角度的短期误差可保持在2o范围内,软件系统能合理分配硬件资源,提高导航计算机的整体性能,软件的模块化设计使导航计算机的软件系统具备良好可移植性。     

VTS特征补偿算法在语音识别中的实用性研究

在语音识别实际应用中,由于噪声的多样性,会造成训练和测试的失配,导致系统性能下降.特征补偿作为鲁棒性语音识别的一种重要方法,通过对训练和测试环境之间差异的研究,在特征空间中修正语音特征,使得修正后的测试语音特征能够更加接近训练语音特征.本文介绍一种实用的基于环境模型矢量泰勒级数(VTS)近似的特征补偿算法.首先验证传统的VTS离线算法在实际车载环境下的有效性;其次由于离线算法本身运算量很大,为了使其实用化,本文对算法进行改进,使其在提高效率的同时又能够保证与离线时相当的性能.通过实验结果验证,本文提出的实用化VTS算法在识别性能上相当接近离线时最好的性能.     

多媒体在英语教学中的应用

随着现代教育技术的发展,多媒体在英语教学中的应用日益广泛,它以丰富多彩的表现形式,直观生动的表现手法为英语课堂增添了乐趣,优化了语言学习环境,增大了课堂容量,激发了学生的兴趣,调动了学生的积极性,成为教师授课的得力助手,对提高课堂教学质量与效率有极大的帮助.     

基于TCP拥塞控制的研究与分析

随着Internet的不断发展,网络上出现了大量流媒体和组播流量,同时也带来了拥塞现象的发生。首先介绍了拥塞产生的原因,并详细分析了基于TCP拥塞控制的机制。指出了当前网络技术环境中拥塞控制的新焦点。     

一种基于滑动窗口的数据流频繁闭项集挖掘算法

频繁项集挖掘是数据流挖掘中的一个热点问题.提出了一种新的数据流频繁闭项集挖掘算法MFCI-SW.首先设计了两个新的数据结构:频繁闭项集表FCIL和频繁闭合模式树MFCI-SW-Tree,在此基础上以滑动窗口中的基本窗口为更新单位,在每个基本窗口中提取出频繁闭项集的数据项,将其支持度F和窗口序列号K存到FCIL中;然后随着新基本窗口的到来,通过删除频繁闭项集表中K值最小的数据项和插入新数据项完成对FCIL的更新和MFCI-SW-Tree树的裁剪;最后在MFCI-SW-Tree中可以迅速挖掘出满足用户需要的频繁闭项集.实验结果证明了该算法在执行效率上明显优于DS-CFI算法.     

基于入度调整的结构化P2P网络拥塞控制算法

针对结构化对等网络中存在的由查询负载不均衡所导致的拥塞问题,提出一种基于动态入度调整的拥塞控制算法。算法根据节点查询负载的情况,动态判定出可能存在的热点,并将热点周围的节点组织起来,通过调整每个节点入连接的数量对负载进行调整。为了克服节点处理能力的异构性,算法将热点组中的节点进一步划分为多个能力组,并在能力组内和组间分别进行调整。模拟结果表明,该算法在处理突发流量的过程中可以有效地减少查询失败的次数,降低拥塞产生的影响。     

改进的CKF算法及其在BDS/INS中的应用

针对标准容积卡尔曼滤波(CKF)在组合导航系统模型不确定情况下滤波精度下降甚至发散的问题,将奇异值分解(SVD)与CKF算法相结合,并引入强跟踪滤波(STF)理论,提出一种改进的强跟踪SVD-CKF算法.为提高数值计算的稳定性,采用SVD代替标准CKF中的Cholesky分解;引入STF理论框架,通过渐消因子对预测误差协方差阵进行在线修正,在系统模型不确定或系统发生大的突变时,能够提高系统的强鲁棒性.通过仿真结果验证了改进算法的有效性.     

针对发音质量评测的声学模型优化算法

在发音质量评测研究中,传统仅用发音标准的数据进行声学建模,难以描述实际测试面临的非标准发音,使得训练与测试的失配在所难免。针对上述问题,该文提出一种利用覆盖各种发音的数据,根据最小化机器分与人工分均方误差准则进行声学模型优化的算法。实验在普通话水平考试现场3 685份数据(其中498份测试,3 187份训练)上进行。实验表明采用优化算法得到的针对发音质量的评测声学模型相比传统建模方式得到的声学模型有显著的优势。