基于嵌入式系统的网络化电力供电网智能监控系统

本文介绍一种以嵌入式微处理器为核心的电力供电网的智能监控系统,采用GPRS通信方式传输数据,详细介绍了系统设计方案及组成框图,给出了控制模块的电路原理图、软件设计流程图.经现场试验证明,本系统具有成本低、维护简便、通信实时、可靠性高等优点.     

LabVIEW在汽车AMT数据采集系统中的应用

介绍了利用LabVIEW编写的汽车AMT数据采集系统的上位机软件设计.实践证明,LabVIEW强大的图形界面交互功能使得开发的系统更加直观、友好、易于操作,而图形化的编程语言也大大提升了编程效率.     

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。     

本质阻燃聚烯烃研究进展

通过共聚、接枝、卤化等手段在聚烯烃链中引入阻燃元素或基团,可将易燃、可燃聚烯烃材料转化为具有本质阻燃性的材料。本质阻燃聚烯烃材料可以避免由于阻燃剂与基体材料的相容性差引起聚烯烃的力学性能变差;一些小分子阻燃剂在聚烯烃使用过程中会从基体材料中析出,使得阻燃剂不起作用且析出的阻燃剂也会对环境造成污染等缺点。本质阻燃聚烯烃材料不仅提高了阻燃效率,同时也扩大了聚烯烃材料的应用范围。综述了本质阻燃聚烯烃材料发展历程,依据阻燃基体的类型进行了详细的归纳,并对本质阻燃聚烯烃材料面临的问题及发展趋势进行了分析和展望。     

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。     

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%。