实时操作系统ThreadX剖析

ThreadX是一个成熟的商用强实时嵌入式操作系统,被广泛应用于消费电子、航空航天、通信与医疗等应用领域中.通过对ThreadX所提供的服务与开发组建、线程调度算法、线程同步与通信机制、中断服务以及多处理器支持等方面的分析,可知ThreadX以轻量级的规模,提供了良好的实时性、可靠性与易用性,是嵌入式应用中一个不错的RTOS选择.     

遗传算法在隧洞开挖爆破参数优化中的应用

介绍了利用遗传算法优化隧洞开挖爆破参数的理论和方法。以及该算法在阿荣旗-深圳高速公路隧洞爆破开挖工程中的应用。实例表明,利用遗传算法来调整爆破参数和支护参数,可以有效地降低隧道爆破成本。     

三峡地下电站进水口漩涡特性研究

为了探明三峡地下电站进水口前漩涡特性而进行了1:100三峡水利枢纽水工整体模型和1:70地下电站水工整体模型试验.成果表明,各机组进口前均未出现危害机组安全稳定运行的吸气漩涡,仅在1号机和6号机进口处偶尔出现浅层不吸气漩涡,这是由于拦污栅起到了消涡作用.     

非定常流Weis-Fogh机构在零航速减摇中的应用

由于Weis-Fogh机构的仿生机构可以在零航速下产生升力,因此可以用来进行零航速减摇.基于势流理论建立的Weis-Fogh机构升力模型忽略了翼缘的分离涡对翼的作用,所以不能更好地模拟实际流场.因此基于点涡模型建立Weis-Fogh机构升力模型,并对Weis-Fogh机构张开时所产生的升力进行了数值计算.通过对有分离涡的Weis-Fogh机构升力和没有分离涡的Weis-Fogh机构升力之间的对比,发现前者产生的升力远大于后者.最后同实验数据进行了比较,证明该点涡升力模型可以更好地模拟翼上产生的升力.     

基于文本挖掘的WUI火灾致灾因子网络构建及特征分析

为预防和减少WUI火灾的发生, 挖掘WUI火灾关键致灾因子, 厘清致灾因子间的作用机制. 本文首先基于本文挖掘技术从WUI火灾事故案例中得到致灾因子, 使用Apriori算法得到致灾因子之间的关联规则. 然后使用复杂网络理论构建WUI火灾致灾因子网络, 计算网络拓扑特征参数, 探析WUI火灾致灾因子网络特征. 最后引入WUI火灾致因链风险度指标, 挖掘出高风险连边, 并提出断链措施. 结果表明: WUI火灾致灾因子网络具有小世界特性, 高温、强风、干旱等对其他致灾因子影响较大. 燃烧废弃物、植物起火、应急响应速度、人为纵火、强风在不同致灾因子转换中具有重要作用, 应加强管控. 网络中风险度最高的边是燃烧废弃物→植物起火, 通过颁布禁止擅自燃烧废弃物等规定, 即可切断该风险链, 实现对WUI火灾的预防和主动控制.     

电容器故障监测系统的应用研究

基于近年并联电容器装置频繁出现故障的现象和特点,研制出一套电容器故障监测系统,分别提取并联电容器装置的电流和电压实时信号,利用Labview虚拟仪器程序进行软件开发实现在线监测,对获取的电流电压信号进行谐波、合闸涌流、暂态过电压等方面进行分析和研究,并应用于现场测量,给出了一起电容器内部击穿故障的监测实例。     

Ultra-thin Body Buried In0.35Ga0.65As Channel MOSFETs with Extremely Low Off-current on Si Substrates

In this paper, we investigated the electrical properties of the Metal-oxide-semiconductor gate stack of Ti/Al2O3/InP under different annealing conditions. A min...     

竞争层结构可调SOM网络在中药模式识别中的应用

针对经典SOM算法无法准确反映原始数据的特征信息,提出了竞争层结构可调的SOM算法——CSA—SOM算法。该算法增加了竞争层神经元动态调节的步骤,调节的依据是不断比较原数据的位置信息和映射后低雏空间的位置信息,使两者最终能趋于一致。因此降维后的数据能够较好地保持原数据的特征,包括距离信息、角度信息以及分布信息。该算法有效地实现了红景天药材的准确清晰分类。算法理论分析和实验结果均表明,CSA—SOM算法是一种快速、准确的数据内在规律映射可视化算法,与SOM算法相比,CSA—SOM算法的特征映射效果比较好,解决了SOM算法会使映射后数据结构发生扭曲的问题。     

基于通道注意力机制和多尺度卷积的行人重识别

针对真实环境中由于复杂背景和物体遮挡、角度变换、行人姿态变化带来的行人重识别(person re-identification,person re-ID) 问题,设计了基于通道注意力(efficient channel attention,ECA) 机制和多尺度卷积(poly-scale convolution,PSConv) 的行人重识别模型。首先利用残差网络提取全局特征,在网络末端加入基于ECA机制及PSConv的特征融合模块,将全局特征和该模块提取的全局特征进行融合,之后将新的全局特征进行分割得到局部特征,最后将新的全局特征和分割得到的局部特征融合得到最终特征,并计算损失函数。模型在Market1501和DukeMTMC-reID 数据集上进行实验验证。在Market1501数据集中,Rank-1和平均精度均值分别达到94.3%和85.2%,在DukeMTMC-reID数据集中,上述两参数分别达到86.3%和75.4%。实验结果可知,该模型可应对实际环境中的复杂情况,增强行人特征的辨别力,有效提高行人重识别的准确率和精度。