基于无线收发的雷达诊断系统设计

本文针对雷达远程故障诊断系统中对故障信息采集的要求,介绍了一种基于nRF401收发芯片无线收发模块的雷达故障信息无线数据采集系统,给出了系统的基本结构和主要功能,对系统的硬件和软件进行了详细设计.     

基于3DVIA Composer的水电站厂房模型三维仿真系统开发

该文以Auto CAD和CATIA为平台,建立了水电站厂房的三维模型,采用3DVIA Composer软件进行模型集成,将CATIA等CAD软件产品导入,经过编辑输出水电站厂房的演示动画和高清图片。同时根据混流式水轮发电机的结构及原理规划了水轮发电机的装配序列,实现了水轮发电机的虚拟装配仿真。实际工程应用证明,水电站厂房模型三维仿真系统增强了模型的逼真度,有助于厂房管理人员快速熟悉掌握厂房及水轮发电机的复杂构造。     

基于ARM的图像处理技术在电梯门系统的设计

电梯门系统作为电梯中的门户,其更好的安全性,智能性一直是研究人员追求的.系统采用了ARM9高速处理器,运用图像处理技术对动态目标进行检测和简单的预测,当电梯门完全打开或即将关闭时,实时地检测电梯门间区域范围内,当有动态目标出现并向轿厢方向移动时,迅速发出信号给电梯主控制器,使之发出相应的信号,通过控制门机,阻止电梯门的关闭.实验结果证明:所设计的系统的实时性,适应性和准确性都基本满足要求,具有较大的实用价值.     

新疆油田西北缘地区砾岩取心工艺技术探讨

本文介绍了新疆油田西北缘地区的砾岩分布情况与胶结特征,通过在该区多年取心中岩心实际成形情况和地层砾石特征进行对比,并根据砾径大小和胶结特点对取心钻进中岩心的成型机理进行了建模分析,结合我公司现有取心工具与工艺技术的特点,就今后在砾岩取心工具与工艺的发展提出了自己的看法。     

熔体接枝与共混改性调控等规聚丙烯聚集态结构与性能

聚丙烯在应力与温度等因素作用下晶型转变而引起的物理力学性能的变化尚未得到学术界与工程界的应有重视。通过熔体自由基接枝多功能团单体、添加高熔点的聚合物和α成核剂调控其聚集态结构,有效抑制了聚丙烯在应力作用下的晶型转变,改善了聚丙烯的疲劳稳定性,有助于增加其在工程应用中的使用寿命。     

魔法真相

商业摄影,贵在精准,摄影师要通过怎样的执行才能使其创意效果完美实现？创意决定了商业摄影的生命力,但好的创意往往会在孕育其I、B-3便被客户扼杀,摄影师如何才能做到理想的“创”为他用,“意”为己出？听摄影师黎晓亮讲述这组靠一次拍摄而成的“商业作品”背后的拍摄故事,或许能为我们驱走心中“实用主义”摄影“不自我”的魔幻雾霾。     

郭三省谈影像的突破与防守 唯美有毒

一边是冷艳时尚的商业摄影,一边是审美日趋大众化的影视创作之路,巨大的温差与变奏,何去何从？又或有新的方向与选择？摄影师郭三省从平面摄影到影视导演的跨界,给我们带来了对于影像行业新的思考与冲击。     

西北地区农业干旱对气象干旱的时空多角度响应

采用标准化降水蒸散指数和标准化土壤水指数分别表征气象干旱和农业干旱,基于干旱事件三维识别和气象干旱与农业干旱事件对的匹配结果,利用Copula函数条件概率分布和贝叶斯网络概率模型分析了西北地区农业干旱对气象干旱的时空多角度响应关系。结果表明：基于线性、非线性关系模型及Copula函数条件概率分布确立了西北地区农业干旱对气象干旱的干旱历时、干旱烈度、干旱面积及干旱迁移距离间最优响应关系分别为二次多项式模型、基于Frank Copula函数的非线性关系模型、指数模型和线性模型;建立的气象、农业干旱变量间的响应概率特征曲线可定量预测西北地区不同程度的气象干旱发展为农业干旱的概率;已知气象干旱特征条件下,根据最优响应关系及响应概率特征曲线可对农业干旱特征及其发生概率进行可靠预测。     

进近着陆阶段自动飞行工作模式设计与仿真

针对大型客机进近着陆阶段自动飞行工作模式转换逻辑中潜在的条件冲突、模式耦合等设计问题,研究了基于有限状态机理论的工作模式转换逻辑设计方法.首先对进近着陆阶段进行详细分析,设计了所需自动飞行工作模式.其次,将工作模式抽象成离散事件并基于有限状态机理论进行进近着陆全过程工作模式状态机设计.然后利用MATLAB/Stateflow 构建进近着陆全过程工作模式转换模型.最后,通过正常进近着陆及着陆复飞过程的仿真,对上述方法进行了验证.验证结果表明,所设计的自动飞行工作模式在进近着陆阶段各种条件下均能正确地完成逻辑转换.     

基于融合变分图注意自编码器的深度聚类模型

聚类作为数据挖掘和机器学习中最基本的任务之一,在各种现实世界任务中已得到广泛应用.随着深度学习的发展,深度聚类成为一个研究热点.现有的深度聚类算法主要从节点表征学习或者结构表征学习两个方面入手,较少考虑同时将这两种信息进行融合以完成表征学习.提出一种融合变分图注意自编码器的深度聚类模型FVGTAEDC(Deep Clustering Model Based on Fusion Varitional Graph Attention Self-encoder),此模型通过联合自编码器和变分图注意自编码器进行聚类,模型中自编码器将变分图注意自编码器从网络中学习(低阶和高阶)结构表示进行集成,随后从原始数据中学习特征表示.在两个模块训练的同时,为了适应聚类任务,将自编码器模块融合节点和结构信息的表示特征进行自监督聚类训练.通过综合聚类损失、自编码器重构数据损失、变分图注意自编码器重构邻接矩阵损失、后验概率分布与先验概率分布相对熵损失,该模型可以有效聚合节点的属性和网络的结构,同时优化聚类标签分配和学习适合于聚类的表示特征.综合实验证明,该方法在5个现实数据集上的聚类效果均优于当前先进的深度聚类方法.