数字电路平行故障模拟方法的研究与实现

本文用平行的方法实现了对数字电路的故障模拟。对于组合电路,通过引入敏感输入的概念,大大提高了算法的实现效率。对于时序电路,通过将触发器展开成基本门的形式,在门级描述的基础上实现了故障模拟。本文最后给出了对十个电路例子(ISCAS Benchmark Cicuits)的模拟结果。这种故障模拟方法的研究对提高测试产生的效率有一定的帮助。     

框架结构设计中应该注意的若干问题

文章从设计的角度指出框架结构设计中应该注意的若干问题,旨在为建筑结构设计人员在进行框架结构设计时提供理论依据。     

C波段宽带变容二极管限幅器

变容二极管无源限幅器是现代雷达低噪声接收机重要的保护器件之一。本文叙述可用于频率捷变雷达的一种宽带变容管无源限幅器,对其波导同轴结构作了等效电路分析,导出其理论计算公式。介绍了波导同轴电路的一种简捷设计和展宽限幅器带宽的方法。最后给出利用2EC11变容管所得到的实验结果:在1O％带宽内,输入电压驻波比小于1.20,输入1瓦等幅功率时,隔离比达到13~17分贝,插入损耗不大于0.3分贝。     

THE m-δRELATIONS OF SUPERPLASTICITY

超塑性m-δ关系曲线可以分为m_L=m_(max)和m_L=m_(min)两大类型。均可由下面的C.L.(刘勤)m-σ方程表示:σ(%)=〔cε~(m-m_0)-1〕×100当σ=σ_0=0时,m=m_0≠0,C=C_0=κ_0/κ_0=1。当σ=σ_1(σ_(11),σ_(12),σ_(13),…,)时,m=m_1(m_(11),m_(12),m_(13),…),C=C_1(C_(11),C_(12),C_(13),…)=κ_1(κ_(11),κ_(12),κ_(13),…)/κ_0,当σ=σ_F时,m=m_F,C=C_F=κ_F/κ_0。对C 值进行“规划”,得到的C_1~(σ_O-σ_L)-(m_L=m_(max)),C_2~(σ_F-σ_L)-(m_L=m_(min)),C_3~(m_0-m_L)-(m_L=m_(max)和C_4~(m_F-m_L)-(m_L=m_(min))四种类型的“规划”方程分别对m_L=m_(max)和m_L=m_(min)型m-σ曲线适用。若m-σ曲线属简单的下降式,C 及其“规划”值均可近似地取1。否则,C-σ关系是应加以研究的问题。m 和k 值对σ值的效应可以分为动态(直接)和静态(间接)两种。最后的σ值是两种效应的综合结果。(注:m 和κ值见基本方程σ=κε~m)     

流变应力的应变速率敏感性指数(m)及其和超塑性之间的关系

材料的超塑性可以由流变应力敏感性指数(m)来量度。m值和表示超塑性程度的总延伸率(即拉断时的延伸率)之间存在一定的依赖关系。当m值在某一定的范围之内时,试棒在拉伸期间具有缩颈抗力,不产生加工硬化,能够均匀地拉伸到几倍,甚至几十倍于原始长度的长度才发生断裂,而显示出超塑性。Backofen等认为:在超塑性流动过程中,因拉伸试棒的截面减小而引起的几何上的弱化是通过应变速率的作用引起的“硬化效果”来抵销的。他将这种作用称为“应变速率硬化作用”。然而只有当m值在一定的范围内时,“应变速率硬化”才能够对材料显示超塑性特征产     

国外遥控光电描摹气割机的研究情况

现代,在金属加工方面,氧气切割已经获得广泛的应用,切割技术也不断地改善。随着冶金工业、机械制造业的飞跃发展,气割的范围必将日趋扩大,设备的操作也要求高度的机械化和自动化。近几年来,随着科学技术的高度发展,一些工业先进国家,特别是苏联,在气割设备的自动化研究方面获得了显著的成就。在一台机器上,可以同时采用光电控制、按图纸比例放大、远距离操纵(遥控)的方法进行切割。早在1950年,苏联气焊切割研究所和电子管研究所就研究成功了10型光电机头,并采用于1型座标式自动切割机上。这是首次解决了复杂的光电描摹问题。其原理如图1所示。图中滑杆的右端是光电描摹机头,中间是主导滾轮,左边是安置割炬的支架(支架上可装置三     

一种基于TCAM的双循环多匹配包分类引擎设计

一般来说,传统的包分类引擎只能够找到一个给定数据包的最优匹配。然而,越来越多的新兴的网络业务都需要得到所有的匹配结果。文中介绍了一种基于TCAM的有效的多匹配分类引擎,仅用两次TCAM查表循环便能得到所有的匹配结果。     

使用增强学习训练多焦点聚焦模型

聚焦模型（Attention model,AM）将计算资源集中于输入数据特定区域,相比卷积神经网络,AM具有参数少、计算量独立输入和高噪声下正确率较高等优点.相对于输入图像和识别目标,聚焦区域通常较小;如果聚焦区域过小,就会导致过多的迭代次数,降低了效率,也难以在同一输入中寻找多个目标.因此本文提出多焦点聚焦模型,同时对多处并行聚焦.使用增强学习（Reinforce learning,RL）进行训练,将所有焦点的行为统一评分训练.与单焦点聚焦模型相比,训练速度和识别速度提高了25%.同时本模型具有较高的通用性.     

多天线认知无线电网络联合资源管理方法

在多天线认知无线电网络中设计发射端与接收端的联合信号处理算法,实现认知系统对授权系统在同一授权频道的无干扰共存.在此基础上,完成空频资源联合建模以及管理方法设计.仿真结果表明,与非共存方法相比,该方法能够在不影响授权系统性能的前提下,有效改善认知系统的通信性能.