基于神经网络专家系统的大型异步电动机故障诊断

针对大型异步电动机发生故障时 ,故障征兆与故障原因之间复杂的对应关系 ,提出了一种利用神经网络专家系统对电动机进行故障诊断的新方法 ,专家系统作为神经网络的外壳 ,充分发挥了专家系统和神经网络各自的特点。文章介绍了系统的构成、功能、算法及实现。该算法利用MATLAB的神经网络工具箱进行了仿真。结果表明 ,该算法可行 ,可大大提高故障诊断的准确性     

基于有限元法的黑体腔高温传感器动态特性分析

基于有限元热分析法,建立了黑体腔三维有限元模型,分析了黑体腔结构参数、热物性参数、黑体腔初始预热温度对黑体腔测温过程中动态特性的影响。研究结果表明：黑体腔结构参数的改变直接影响黑体腔动态测温误差、动态响应时间、腔体发射率,进而影响黑体腔性能。黑体腔动态测温误差随着比热或密度的增大而增大。黑体腔初始预热温度对黑体腔动态测温影响较大,初始预热温度每增加100℃,最大测温误差减小50℃左右,动态响应时间减少5 s左右。     

STAP中的协方差矩阵求逆快速算法研究

研究机载雷达平台问题,空时自适应处理(STAP)是新一代机载相控阵雷达杂波抑制与目标检测的关键技术.在工程化过程中.运算量巨大是其面临的首要问题.为了改善STAP在采样矩阵维数较高情况下求逆运算的实时性能和有效提高雷达抑制杂波和抗干扰能力,提出了一种改进的Strassen矩阵求逆算法,算法结合了Strassen矩阵求逆的高效性以及采样协方差矩阵是Hermite正定阵的特点,具有运算最小,算法结构简单,便于工程实现的优点.DSP处理器的实测数据证明了方法的有效性和可行性.结果表明与目前工程中改进方法性能改善效果明显.     

MPI通信代码自动生成算法

对于高性能并行计算机而言，如何由给出的计算、数据划分信息及精确数组数据流分析信息自动生成并行化代码是实现串行程序并行化的一个重要问题。根据Saman P.Amarasinghe和Lam的定理，实现了一种并行化识别工具中MPI（Message Passing Interface）并行化代码自动生成技术的算法，并对该算法的性能进行分析。     

基于光滑二阶滑模的可重复使用运载器有限时间再入姿态控制

针对可重复使用运载器(reusable launch vehicle,RLV)的六自由度再入模型,考虑模型不确定和外界干扰对再入姿态控制的影响,提出了一种非线性鲁棒控制策略.首先,根据多时间尺度特性将RLV的再入姿态模型分为姿态角子系统和姿态角速率子系统.其次,对每个子系统分别设计光滑二阶滑模控制器和滑模干扰观测器实现子系统的有限时间稳定.利用干扰观测器可以实现对不确定和外界干扰的精确估计,从而对控制器进行有效的补偿.进而,基于Lyapunov理论证明了整个系统的有限时间稳定.最后,通过仿真验证了提出的控制策略具有良好的控制性能和鲁棒性.     

基于故障树分析法的北斗装备定位异常分析

随着北斗卫星导航系统在军事中的应用越来越深入,北斗装备定位异常对北斗军事效能的制约也越来越明显.针对北斗装备定位异常进行研究,有助于提升装备的使用效能.对北斗装备定位异常的主要表现形式进行描述.采用故障树分析法对北斗装备定位异常进行了系统分析,通过建立北斗装备定位异常的故障树,理清影响北斗装备定位的因素及其逻辑关系.在...     

基于三角基线性拟合算法的后视镜外形优化

针对现有后视镜的缺陷,采用双曲镜设计,将视镜分为主视野区和副视野区（主视野区接近平面镜,副视野区是凸面镜）,在满足两个区域镜面平滑过渡的前提下建立曲面拟合模型,通过三角基线性拟合算法对复杂的曲面进行拟合,实现后视镜的曲面外形优化.该优化主要体现在可视区域变大,盲区减小,图像失真率小,在分界示意线过渡期间图像连贯且车身周围的图像失真率在3%以下.     

北斗卫星导航接收端抗干扰性能测试系统构建方法研究

由于空间电磁环境日益复杂,卫星导航接收端抗干扰性能成为北斗用户密切关注的问题。为了对接收端抗干扰性能进行测试,提出一种卫星导航接收端抗干扰性能测试系统构建方法。采用数字式仿真技术以及基于脚本的仪表驱动技术,结合信号源模拟设备、耦合器、微波暗室等构建半实物仿真系统,实现了对卫星导航接收端抗干扰性能的测试。使用接收端有效载噪比作为抗干扰性能指标,通过调节干扰信号发射端输出功率进行仿真。仿真结果表明,该系统能够得到干信比与有效载噪比的关系曲线,从而为北斗用户接收端抗干扰性能测试提供较大的参考与使用价值。     

基于多分类器集成的手写体金融汉字识别

用基于遗传算法的全局优化技术动态地选择一组分类器,并根据应用的背景,采用合适的集成规则进行集成,从而综合了不同分类器的优势和互补性,提高了分类性能。实验结果表明,通过将遗传算法引入到多分类器集成系统的设计过程,其分类性能明显优于传统的单分类器的分类方法。     

结合图卷积的深层神经网络用于文本分类

随着图卷积网络的发展,图卷积网络已经应用到很多任务中,其中就包含文本分类任务.通过将文本数据表示成图数据,进而在图上应用图卷积,从而捕获文本的结构信息和单词间的长距离依赖关系获得了良好的分类效果.但将文本建模成图模型后,图卷积网络面临着文本上下文语义信息和局部特征信息表示不充分的问题.提出一种新的模型,利用双向长短时记...