“龙腾R2”微处理器模块级验证

针对"龙腾R2"微处理器验证过程中的存在验证规模大,人力资源不足的问题,采用流水线模型构建随机的指令序列生成器,搭建以功能覆盖率为导向的自动化验证平台;该平台在仿真验证过程中能根据处理器的运行状态及覆盖率实时地调整指令流以侧重当前验证不充分的功能模块,实现自动化验证;通过仿真,与传统方法相比,在达到同等验证程度的情况下,使用该平台验证周期明显缩短,同时验证覆盖率也有所提高。     

勤学善管,促进学校科学发展

随着社会的发展、科技的进步,素质教育的深入实施,需要学校着力构建适应时代发展的学校管理新模式。在现代化的教育教学管理中,学校与教师的发展影响着学生的前途命运;学生的发展决定了学校的发展前景和教师的成败得失;而校长的管理理念与协调执行能力直接影响着三者的发展。这就要求校长除了具有好的业务素质,还必须具有科学的管理技能。     

基于TDCS9200的循环流化床锅炉控制系统设计与开发

针对循环流化床锅炉的工艺特点和控制需求,开发了基于TDCS9200-DCS系统的循环流化床锅炉控制系统。该文详细介绍了该控制系统的技术方案和系统特点。该系统实现了锅炉的自动控制,试运行结果表明,达到了规定的设计性能指标并能满足工艺要求。     

边坡稳定分析的相对失稳加速度方法

边坡稳定分析是土力学的经典课题,通过稳定分析能够得到边坡的安全系数。但最小安全系数对应的临界滑动面不一定是最先发生滑动的破坏面,失稳加速度临界滑动面则可能最先滑动。失稳加速度方法可以用统一的原理计算边坡和隧洞等所有具有临空面的结构的稳定性;可以利用常规极限平衡法的假定条件进行计算,也可以利用有限元等数值方法的应力计算成果;可以计算失稳加速度,也可以以失稳加速度的模最小来计算安全系数,此时也相当于一种特殊的模式识别方法。本文对失稳加速度方法的提出过程及主要原理进行系统总结,并将其推广到相对失稳加速度和相对安全系数,放松了约束条件,使得它可以具有更加广阔的应用前景。     

基于甲虫搜索的改进粒子群无人机辅助网络部署优化算法

在体育赛场等用户大规模聚集或者突发灾难的情况下,地面基站经常面临过载甚至瘫痪的问题。此时,多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿,有效地增强局部地区的通信质量。然而,无人机的机动性和网络流动引起的拓扑结构变化,会导致频繁的间歇性连接甚至出现传输故障。因此,UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA),利用甲虫搜索算法(BAS)的个体寻优优势,对粒子群算法(PSO)进行改进,并首次采用双门限约束保证用户通信质量,使得多UAV系统下的网络性能得到了改善。仿真结果表明,相对于传统算法,该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。     

基于BIM技术的水利水电工程智能系统设计

为实现水利水电工程的智能化设计,构建了智能设计系统。系统基于建筑信息模型(Building Information Modeling, BIM)技术对工程结构进行三维建模,并对所建模型进行有限元分析以验证模型是否符合约束条件,系统内置可随时调用和修改模板资源库,以便对设计工程结构进行优化。将系统投入应用,应用结果显示,系统建立的BIM模型达到了LOD400精度等级,具有较高的建模精度,所建模型的静力分析结果均符合设计要求。将智能设计系统与其他系统进行对比,对比结果显示,设计系统的响应时间和建模时间比其他系统更短,使用体验较好。可见,基于BIM技术的水利水电工程智能设计系统具有较为优秀的设计性能,设计速度较快,实现了工程设计的智能化、数字化,有利于提高工程设计的效率。     

Cu_x[Ni_3Fe_1](x=4～12)合金的组织演变北大核心CSCD

研究了Cu-Ni-Fe系列合金中组织结构演变及其对性能的影响。本文固定Ni∶Fe原子比为3∶1,连续改变Cu含量,设计制备了Cu_x[Ni_3Fe_1](x=4,7,9,12)系列合金,并利用光学显微镜、扫描电子显微镜、X射线衍射仪、维氏硬度计、万能试验机、变温电阻仪对合金的表面形貌、物相结构、硬度、拉伸性能及电阻率进行了分析。结果表明:Cu_x[Ni_3Fe_1]合金中主要的强化方式是调幅分解;随着Cu含量的增加,调幅分解形成的富Ni-Fe逐渐减少,合金的抗拉强度、屈服强度以及硬度都呈减小的趋势;编织板条状的组织因排列密度高,表现出良好的耐蚀性;x为4、7和9的合金时效后有少量的γ'-Ni_3Fe析出相,对合金的硬度和拉伸性能影响不大,但γ'-Ni3Fe相在500℃左右会发生分解,导致电阻率略有下降;而x为12的合金时效后晶界上有大量α-Fe相析出。     

基于 ResU-Net 的三维断层识别方法及应用

断层刻画了地层的边界位置,地震成像数据中反射层的不连续性可作为断层解释的主要依据。深度神经网络的强非线性性质可作为地震数据中断层不连续特征表达的有力工具,断层识别问题可视作一个像素级别的二分类问题,并使用深度学习方法对此问题进行建模求解。据此可给出一种端到端的基于深度学习网络的三维断层自动识别方法。首先利用地震子波与反射系数卷积合成多组三维地震数据,建立用于深度网络学习断层特征的样本数据,随后搭建网络进行训练,网络训练完成后应用于实际地震数据。鉴于残差模块可很好地提升网络泛化性能,所提出的将残差网络中的残差块结构引入U-Net中的方法,可用于提升通过合成数据样本训练得到的网络模型在训练数据之外,即实际地震数据上的断层识别性能。所建立网络用于断层解释时,输入为叠后三维地震数据,输出为相同维度的三维数据体,其中每一输出值代表输入三维地震数据相同位置处断层的概率。实际算例对比测试表明,此方法可对三维地震数据中的断层进行有效识别,在合成数据集上训练精度相差不大的前提下,引入残差模块的ResU-Net在实际地震数据上的断层识别泛化性能得到提升。     

一种减少测距误差的传感器网络定位算法

接收信号强度(RSSI)常被作为无线传感器网络定位算法的测距技术,通常,获取的RSSI信号序列中同时存在随机误差和粗差两种误差,利用以往常用的算法都难以消除混合误差对RSSI测量统计数据的影响;在分析两种误差特征的基础上,提出了一种基于统计中值的加权定位算法,算法在去除粗差的基础上,能在一定程度上平滑了随机误差,算法不仅提高了定位的精度,同时提高了节点的覆盖率;理论分析和仿真结果都表明算法具有较高的定位精度和覆盖率,最优情况下定位精度较原先算法能够提高6.99%,而不可定位节点比例下降8.05%。