基于LMS算法改进Cupo相位抖动补偿方法

为了增加FIR-ALE(Finite Impulse Response-Adaptive Linear Enhancer)相位噪声补偿系统的补偿能力,本文基于LMS算法对Cupo的FIR-ALE系统进行改进,并对8PSK调制方式下的信号进行了Matlab仿真,通过对信号功率谱、误比特率以及星座图的分析,对比了两种方法.仿真结果表明,改进后的系统对于幅度为5°、频率为120 Hz的相位抖动,能够将抖动衰减25 dB左右;对于幅度为15°、频率为25 Hz的相位抖动,改进后的LMS系统能将抖动衰减35 dB左右.而且,随着相位抖动幅度的增大,改进的LMS方法的补偿能力同Cupo的FIR-ALE方法比较,性能逐渐提高.     

光催化-Fenton工艺处理废纸制浆废水

为有效处理废纸制浆废水,采用氙灯照射下的光催化-Fenton技术,研究不同反应器、曝气、草酸钾、H2O2投加方式和废水质量浓度对光-Fenton工艺去除废水中TOC或吸光度的影响.结果表明,提高光照强度可提高TOC去除率;添加适量的草酸钾可提高处理效果;H2O2分两次投加可取得较好的处理效果,大大减少对催化剂的需求;在处理过程中使废水暴露于空气可提高有机物的脱氯效果,但曝气对处理效果并无益处.对于TOC为185 mg/L左右的废纸制浆废水,在[H2O2]=1000 mg/L、[Fe(Ⅱ)]=100 mg/L、pH=3.0、温度为30℃的条件下,经过30 min处理,废水的TOC可去除63%以上.     

改善钢桥面铺装层高温作用的有效措施

为了降低钢桥面铺装层内较高的温度,提高铺装材料使用性能,推迟桥面的早期破坏.采用有限元手段,以傅里叶传热定律为理论基础,根据气象部门提供的气象资料,对开放式钢箱梁及封闭式钢箱梁铺装层的温度场进行研究.结果表明:开放式箱梁可以降低桥面铺装层温度,降低高温持续作用时间,改变桥面铺装层高温的作用位置.     

基于形状记忆合金的TMD半主动控制

针对建筑结构在随机荷载或风荷载作用下可能发生的频率不确定问题,特别是结构自振频率会随振幅的大小而发生漂移的非线性振动问题,提出性能可靠、构造简单的形状记忆合金SMA-TMD自适应半主动控制系统.从理论上探讨形状记忆合金在变刚度TMD控制装置中的应用,并进行相应的参数设计.同时,在研究随机荷载作用下TMD系统动力特性的基础上,结合短时傅里叶变换(STFT)设计出该系统的自适应半主动控制算法.算例表明,SMA-TMD自适应控制系统能较好地识别结构系统的时频特性,并进行有效的控制,具有性能可靠和自适应能力强等特点.该自适应控制系统较传统的TMD被动控制减震效果更好,鲁棒性更强.     

软质电容式车辆动态称重系统

介绍了一种软质电容式车辆动态称重系统.对该传感器静态特性进行了研究,分析了受力面积和时间的影响,针对橡胶材料粘弹性特性,提出了利用四元件模型对其建模.同时进行了动态实验,车辆总重量的测量误差在10%以内,其精度优于ASTME1318-02给出的Ⅰ类WIM系统精度(置信95%时总重误差±10%).实验结果表明:利用文中提出的车辆动态称重系统进行测量是可行的,它有助于随时测量,便于交通稽查.     

片上网络中有保障服务的性能评估

本文针对如何评测片上网络中的有保障服务(Guaranteed-Services,GS)对尽力而为(Best-Effort,BE)流量的传输性能的影响进行了研究,提出了评测重点及相关性能指标,给出了构建网络流量的方法,采用了一种分层逐级抽象的方法搭建了支持任意拓扑结构、任意规模、多种网络协议的性能评估平台,实现了对片上网络中GS服务的性能评估.评测实例的结果表明该平台达到了评价片上网络中GS服务的服务质量和分析GS服务对网络整体性能的影响的目的,有效的帮助设计者在保障局部服务质量的同时提高网络性能,为设计优化提供了依据.     

通用突变控制方法及其在潜艇中的应用

运用非线性动力学和突变理论,研究了高维系统建立具有理想特性突变的控制方法.引入冲失滤波器保证系统平衡点不变,并利用隐式判据、中心流形定理以及规范形法确定控制增益.以潜艇空间运动为例,阐述计算的全过程.该控制方法简便、快捷,可广泛应用到实际控制系统的设计中.     

城市污水的层流换热特性理论

为有效利用城市污水热能,以污水源热泵系统中的流动工质——城市污水为研究对象,通过理论分析的方法,对其层流状态下的换热特性进行理论推导和实验验证.结果表明:污水作为热泵的冷热源,有良好的换热特性,推导得出的换热准则关联式h=4.53λ/D,为污水源热泵系统设计提供依据,同时为应用污水余热技术提供理论基础.     

Effective prediction of DEA model by neural network

In this paper,a fast neural network model for the forecasting of effective points by DEA model is proposed,which is based on the SPDS training algorithm.The SPDS training algorithm overcomes the drawbacks of slow convergent speed and partially minimum result for BP algorithm.Its training speed is much faster and its forecasting precision is much better than those of BP algorithm.By numeric examples,it is showed that adopting the neural network model in the forecasting of effective points by DEA model is valid.