动车检修库无罩引风系统性能研究

针对动车组在进行检修时排出热空气、导致检修库气温升高的问题,提出一种对检修工作无任何影响的无罩引风系统,并对其性能进行了数值仿真和实验.研究结果表明,该系统能够较好地达到通风散热效果.     

改性石英砂的润湿性能研究

对经过改性处理之后的普通石英砂的润湿性能进行了研究。实验采用滴水穿透时间法（WDPT）、酒精溶液入渗法（MED）、接触角测定法三种方法。通过这三种方法来定性和定量地描述其润湿性能。实验结果表明：直接经过酸化处理的石英砂与经过硅烷化处理的石英砂的润湿性能有着明显的改变,前者较普通石英砂表现更为亲水,而后者表现出斥水性。此研究为用石英砂模拟不同润湿性能土壤提供了表面改性方法以及前期的理论准备。     

半刚性节点钢框架系统的强度可靠性分析

为了更为准确地评估钢框架系统可靠性,将实际的半刚性连接节点视为转动弹簧单元,推导了半刚性梁元节点失效的减缩刚度矩阵和等效节点力公式.采用分枝限界法研究了半刚接框架的系统强度可靠性,并与刚接和铰接结构进行了对比.算例表明,含有半刚性节点的主要失效路径和失效概率发生了较大变化,其系统可靠性介于刚接与铰接结构之间,节点刚度对钢框架系统可靠性的影响较大.     

基于串口通信的DNC技术研究

由于计算机和网络的发展产生的网络制造技术在实施过程中, 因各种数控机床的类犁和接口不同, 将造成数据通信的故障.针对串几通信的常见问题, 提出了可行的解决方案, 对于数控设备较多的场合, 采用以太网构建面向串行通信机床的局域网式DNC(distributed numerical control)通信结构, 把所有具备标准串口通信的数控设备连人DNC网络, 实现了实时加工, 提高了数控设备的有效利用率, 生产效率得到较大提高.     

嵌入式Linux系统的设计与实现

近几年计算机硬件技术及网络水平的不断发展和提高,嵌入式系统在军事、政治、经济、生活等各个方面都得到了普遍的应用。 Linux操作系统具有代码公开、内核优化、占用资源少等多方面无与伦比的优点。因此,文中提出了一种嵌入式Linux系统设计及具体实现方法,其中包括硬件结构,软件设计主要分析了嵌入式操作系统的选择和驱动程序的实现。该系统采用微处理芯片来控制实现系统功能,并最终提出了一种使用软硬件技术开发的嵌入式Linux系统的方法。     

基于FPGA的光纤通道网络监控卡设计与实现

光纤通道（ Fibre Channel,FC）监控设备在光纤通道网络中承担着数据监控、过滤和解析等任务,对FC网络的构建、运行、故障诊断和调试起着关键性的作用。文中在对FC协议进行深入研究的基础上,提出一种在线实时过滤的光纤通道监控卡解决方案,可实现FC链路数据的实时监控。该仿真卡采用软硬件协同工作的方式,由硬件电路实现监控卡中光纤通道链路数据过滤,软件负责过滤条件配置及筛选后数据分析,克服了软件过滤数据速度慢的缺点,保证了数据过滤的实时性;同时,由于采用软件配置,使得监控卡的应用更加广泛和灵活。光纤通道网络监控卡的研制,对加速FC网络的研制有积极的推动作用。     

基于PCIe总线的B码解码卡的设计与实现

针对计算机时间同步需求,设计了一种基于PCI Express(PCIe)总线的IRIG-B码(B码)解码卡,该板卡接收外部B码信号并解调出B码时间信息,通过PCIe总线将B码时间信息传递给计算机进而完成计算机时间同步.测试结果表明,计算机能够同步到B码时间,且B码解码精度优于100 ns,能够满足多数应用需求.     

基于OTN技术的电力通信网络业务路由优化算法

本文基于OTN(Optical Transport Network;光传送网)技术提出了电力通信网络业务路由优化算法,通过仿真分析,结果表明此算法可优化电力通信网络既有OTN业务,实时有效均衡网络风险,提升OTN业务运行可靠性与稳定性;此算法的适应度函数优化设计,可促使现有网络业务路由分配的时候,更加趋向选取光信噪比参数值相对较高的光通道,所以通过此网络业务路由优化算法,OSNR(Optical Signal Noise Ratio;光信噪比)均值可显著提高;可实现网络业务路由优化,实现最佳风险均衡,且算法效率与收敛性较高,值得大力推广.     

基于卷积神经网络的直线描述方法研究

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络（CNN）学习的直线特征描述方法。构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征。将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子。实验结果表明,与手工设计的描述子MSLD和IOCD相比,该描述子在视角、模糊、尺度和旋转变化下均具有较好的区分性,在图像拼接应用中同样表现出良好的描述性能。     

基于多核学习卷积神经网络的稀疏数据推荐

针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法.将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测.实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性.