Polyworks有效缩短CFD分析时间

Polyworks的三角网格处理技术,可以让Audi、BMW、DaimlerChrysler和Renault等著名汽车制造商减少准备CFD分析所需的三角网格模型的时间,将时间从原本的7天缩短到1天,有效缩短CFD分析中83%的时间,也大幅减少了在流体动力分析中的花费。     

基于中医推拿的新型按摩手的设计与研究

针对现有按摩机器人存在的设计问题,基于中医推拿理论提出了一种多指模块化中医按摩手结构.首先分析按摩手法的运动特征,设计各按摩模块的机械结构,采用Solidworks软件建立按摩手的三维模型;然后依据拉格朗日法建立单指结构的数学模型及动力学方程,利用Adams软件对导入的按摩手三维模型进行动力学仿真分析,直观地表达了该按...     

双面印制板设计中如何控制电磁干扰

从零件放置、布线和补铜箔等三个方面讨论了在双面印制板设计中如何控制电磁干扰。实践证明 ,该方法控制电磁干扰比较有效且非常经济。     

一种信息安全系统中序列随机性检验方法

把Fourier分析理论用于信息安全系统中序列随机性的检验中,提出了,一种新的随机性枪验方法,该方法可以用随机序列发生器产生序列的随机性检测,也可以用十检验密码算法的安全性。     

聚苯胺及其氧化锡复合材料的气敏特性研究

以溶胶-凝胶法制备了SnO2纳米粒子,以原位聚合沉积法在陶瓷基底叉指金电极上制备了PANI及PANI/SnO2复合薄膜,形成气敏元件。室温下测试了元件对氨气及水果释放气体的敏感特性。结果表明,PANI和PANI/SnO2复合膜对氨气具有选择性好,线性度好的特点,PANI比PANI/SnO2复合膜的灵敏度高,更适合在较宽浓度范围内测试氨气;另外,这两种传感器对存放的水果（香蕉、苹果）释放气体具有响应恢复快,重复性好等特性,PANI/SnO2复合膜对水果释放的气体比PANI具备更高的灵敏度,有望在水果仓储运输方面得以应用。     

Support Vector的几何解释及其在联想记忆中的应用

利用闭凸集上的投影解释support vector的几何意义，利用支持超平面讨论线性分类器的设计问题，对线性可分情形，Support vector由一类数据集合闭凸包在另一类数据集合闭凸包上投影的非零系数向量组成，SVM所决定的超平面位于两投影点关于各自数据集合支持超平面的中间，作为应用，文中给出一种设计理想联想记忆前馈神经网络的方法，它是FP算法的一般化。     

基于一类支持向量机的高光谱影像地物识别

高光谱遥感影像具有丰富的光谱信息,在地物识别方面具有明显的优势。一类支持向量机(OCSVM)不仅保留了支持向量机的原有优势,而且只需要待识别类型的训练样本。为此提出了算法,通过数学模型选择、核函数设计与参数的自适应调整将OCSVM原理融入到高光谱影像的地物识别算法中,提高了识别的精度,降低了对训练样本的要求。最后利用两幅高光谱影像进行了实验分析,实验结果证明了所提算法的有效性。     

基于预训练的无监督神经机器翻译模型研究

依赖于大规模的平行语料库,神经机器翻译在某些语言对上已经取得了巨大的成功。无监督神经机器翻译UNMT又在一定程度上解决了高质量平行语料库难以获取的问题。最近的研究表明,跨语言模型预训练能够显著提高UNMT的翻译性能,其使用大规模的单语语料库在跨语言场景中对深层次上下文信息进行建模,获得了显著的效果。进一步探究基于跨语言预训练的UNMT,提出了几种改进模型训练的方法,针对在预训练之后UNMT模型参数初始化质量不平衡的问题,提出二次预训练语言模型和利用预训练模型的自注意力机制层优化UNMT模型的上下文注意力机制层2种方法。同时,针对UNMT中反向翻译方法缺乏指导的问题,尝试将Teacher-Student框架融入到UNMT的任务中。实验结果表明,在不同语言对上与基准系统相比,本文的方法最高取得了0.8～2.08个百分点的双语互译评估(BLEU)值的提升。     

基于DE算法的自抗扰控制器设计

提出了一种基于微分进化算法(DE)的自抗扰控制器设计方法;在对飞机短周期运动进行分析的基础上,设计了典型状态下自抗扰纵向飞行控制器;针对所设计控制器可调参数多的问题,对各控制器参数进行了分析,并利用微分进化算法对控制器进行了参数整定;仿真结果表明,经DE算法整定的自抗扰控制器实现了实时指令信号跟踪控制,调节时间小于1.5s,超调量小于2%,具有良好的动态性能;在摄动条件下,舵偏角振荡被抑制在25°以内,显示了较强的鲁棒性。     

基于模糊神经网络的WSN无线数据收发单元故障诊断

在一些无线传感器网络(Wireless Sensor Network,WSN)安全监测系统中,节点长时间传输大量数据,导致无线数据收发单元容易出现功率下降和功率放大器(Power Amplifier,PA)被烧毁的现象,而此类故障的诊断方法一般比较复杂且低效。针对上述问题,在分析WSN单元级故障诊断的基础上,利用无线数据收发单元的电流模型,提出了一种基于模糊神经网络的无线数据收发单元故障诊断方法。首先,根据无线数据收发单元中发射消耗的电流与温度和供电电压的关系,建立电流模型;然后,利用聚类算法确定模糊神经网络模型结构,结合混合学习算法优化模糊规则的前件参数和后件参数;最后,提取训练完的模糊神经网络参数,以建立WSN节点故障诊断模型。实验结果表明,提出的无线数据收发单元故障诊断方法的计算量小,诊断准确度高;与高斯过程回归模型相比,其计算量降低了22.4%,诊断准确度提高了17.5%。