本科毕业设计中团队精神培养

本文对本科即将毕业的学生的团队精神的培养和协调工作进行了一定的探讨,分析了如何提高学生团队精神的意识;并针对在本科毕设过程中如何调动学生的积极性,以实现团队精神的培养提出了部分可行的措施;在培养团队精神的同时,也需考虑学生独立工作能力的培养和知识的学以致用等,以达到为社会培养合格人才的目的.最后,通过两届学生毕业的情况说明了方法的可行性.     

基于F28335的SiC MOSFET驱动系统设计

由于SiC MOSFET开关速度较快,不能用普通Si MOSFET的栅极驱动电路来驱动.设计一种基于F28335的SiC MOSFET栅极驱动电路,利用键盘调节F28335输出PWM信号的频率、占空比、死区和移相值,并在LCM12864液晶屏上实时显示调节值.将PWM信号作为SiC MOSFET栅极驱动电路输入信号应用...     

兼顾后续分类器的小波特征选择及在模拟电路故障诊断中的应用

针对模拟电路故障诊断中的特征选择问题,提出了一种兼顾后续支持向量机分类器的小波特征选择技术。新方法利用核函数把特征的评估标准映射至高维空间进行计算,从而在特征的评估和后续支持向量机分类器之间建立联系,并在特征选择阶段解决了核函数的参数设计问题。另外,新方法考虑了所需故障分类器的结构信息,因此选择的小波特征更适合后续分类器使用,从而能够提高模拟电路故障的诊断精度。仿真和实际电路的实验结果均验证了所提出技术的有效性和正确性。     

移动Backhual向IP RAN转型和向FMC演进之路

为了适应移动网络IP化和宽带化的发展需求,移动Backhual向IPRAN转型已经成为必然趋势。对应不同的移动业务发展模式、发展进度和应用场景,目前业界最看好两种主流转型方案：一种是新建IPRAN,统一承载2G/3G/HSPA/LTE;另一种是对SDH网络进行逐步的IP化改造。这两种转型方案实际上殊途同归,最终的目标——网络是一致的。是一张具有分组交换的心脏和SDH大脑的电信级分组传送网,由此实现高效的网络传送与电信级业务保障、网络管理的有机结合。华为技术有限公司崔江所撰《移动Backhual向IPRAN转型和向FMC演进之路》一文从移动运营商的角度探讨了在移动化、宽带化和ALLIP的业务发展大方向和全业务运营的竞争形势下,移动运营商城域网演进的最佳策略,即首先进行移动Backhual向电信级IPRAN的转型,重点关注IP网络对电信业务的承载性能,同时充分考虑网络带宽/容量扩展性,以及对固网宽带业务综合承载要求的满足度;然后在合适的时机进行城域网FMC转型,启动全业务运营。     

短壁综放工作面三机配套应用的优化

介绍了新矿集团通过使用短壁采煤机、液压支架和刮板输送机,进行短壁综放工作面三机配套的实践,指出了存在的问题。经过优化的三机配套方案后,新矿集团的各生产矿井的短壁综放工作面均实现了高产,取得了较好的经济效益。     

洗煤厂噪声的预防

洗煤厂生产车间是一个相对封闭的环境，用于原煤加工的筛分、洗选，设备比较集中。设备运行过程中，除设备自身产生噪声外，煤炭在加工、转载过程中也产生噪声。这些噪声对操作人员的身体产生的危害性较大；通过采取一些降噪措施，可改善操作人员的工作环境。     

契合CDIO大纲的本科毕业设计探讨

本科毕业设计是大学生的最后一个实践性教学环节,持续的时间较长,对于培养学生的系统性知识掌握和运用、知识创新和工程动手等各项能力都是一个十分重要机会.本文尝试将本科毕业设计与CDIO大纲的部分教育理念和元素加以契合,以其能够提高学生的工程实践能力和项目参与能力,为后续CDIO工程教育模式的进一步引入和运用提供有益的尝试.     

模拟电路免疫记忆网络故障诊断新方法

提出了一种基于免疫记忆网络理论与$k$近邻算法的模拟电路故障诊断方法。首先,利用免疫记忆网络寻找各故障空间的最佳记忆抗体。在免疫记忆网络中根据浓度来选择记忆抗体,以促进记忆抗体在各故障空间的均匀分布。利用克隆和超级变异机制来保证抗体多样性,再利用浓度和期望值对抗体进行促进和抑制,以避免早熟现象的产生;然后,根据所得到的各故障空间的最佳记忆抗体,使用改进的阈值k近邻算法对抗原进行故障分类;最后,以带通滤波器为诊断实例,利用实际电路测试数据和仿真数据作为测试样本进行故障诊断性能评估;实验结果证明该故障诊断方法具有较高的故障诊断率。     

基于克隆选择和聚类的模拟电路故障诊断技术

提出了一种克隆选择和聚类的模拟电路故障诊断技术,该技术将克隆选择算法的全局寻优和模糊C-均值的局部寻优相结合,并利用模糊C-均值的目标函数去构造克隆选择算法的亲和力函数,可以减少特征空间中样本的相互重叠所产生的诊断不确定性,利于故障模式的定位。仿真结果和分析验证证明：该方法缩短了故障的分类器收敛时间,提高了故障诊断率。     

基于极限学习机的航空发电机旋转整流器快速故障分类方法研究

航空发电机在现代多电和全电飞机的发展中将发挥越来越重要的作用,其重要部件的可靠性也是未来研究的重点。该文针对目前航空发电机旋转整流器(aerospace generator rotating rectifier,AGRR)的故障分类问题,提出了一种基于思维进化算法(mind evolutionary algorithm,MEA)的极限学习机快速分类技术。该方法通过MEA算法优化极限学习机的训练参数,以获取优化的识别模型,并将其应用于AGRR的故障分类中,取得了很好的效果。仿真和实验结果表明,经过优化的极限学习机与现有分类方法相比,具有很好的诊断性能和较高的分类速度。因此,该方法适合用于航空发电机旋转整流器的故障快速诊断和定位。