飞机用超高强度不锈钢

一种超高强度弥散硬化不锈钢近年来受到极大关注，主要由于其超凡的力学特性及抵御腐蚀／应力腐蚀断裂的能力。这些钢种多借铝、钛和铜等元素强化，或单独一种元素或几种元素联合使用。     

R＆S AFQ100A-满足当前和未来需求的I／Q调制信号发生器

罗德与施瓦茨公司推出R＆SAFQl00AI／Q调制信号发生器，结合了高达1G采样的存储深度，时钟为300MHz的存储器。它的信号质量和高灵活性使得R＆SAFQ100A成为在研发和生产中产生复杂数字调制信号的理想选择。它具备高达256M采样或者1G采样的输出存储器；除了模拟输出，并可以输出I／Q数字信号。     

移动通信中宽带接收系统信号电平特性的研究

首先建立了一个包括直达波和非直达波的无线电波的传播模型,然后得到宽带接收系统中接收信号的电平表达式,再通过MATLAB仿真得到宽带接收系统中信号的电平变化和分布的特性。根据仿真结果,可知宽带接收系统的信号电平变化约为10dB,信号电平的分布受到传播模式中的接收带宽、达波数、路径差的影响。     

基于人工神经网络的高压水射流混凝土构件表面处理模型

目的应用高压水射流进行混凝土构件表面处理前确定机械的初始参数。实现对处理深度全面合理的控制．方法用AJP-E25135型高压泵，RG-2002HNDF型、口径为0．25mm七喷嘴旋转喷枪，对36组不同的初始参数、同批制作的砾石混凝土试块进行了高压水射流表面处理试验，并运用人工神经网络技术，对试验数据进行理论分析．结果建立了压力、靶距、口径、S／A（砂率）与处理深度关系的预测模型并把模型的预测结果与实验结果进行了比较，平均相对误差为0．0005．结论模型能够满足工程实际需要．可用于混凝土构件表面处理深度的估计与分析，以及特定处理深度条件下初始参数的预测．并可广泛应用于高压水表面处理深度模型的参数优化选择。智能化控制等领域．     

基于深度学习的新能源爬坡事件预测方法

随着新能源渗透率的逐渐增大,有功功率不平衡的爬坡事件时有发生,甚至造成较大负荷损失。因风电和光伏预测的精度不够,需要考虑的运行场景较多,时域仿真不能满足在线评估要求。提出一种基于深度学习的方法,综合考虑机组和联络线的调节能力,利用堆叠降噪自动编码器提取各层特征训练支持向量机。将风电、光伏和负荷预测数据及上一时刻联络线功率等相关量作为输入,是否发生爬坡事件为输出,通过支持向量机快速预测是否发生爬坡事件。实际电网的仿真结果表明,本研究方法快速准确,能够对爬坡事件进行有效辨识。     

大型塑料模具钢模块淬火工艺的有限元分析

采用有限元软件MSC Marc模拟大型P20钢模块在复杂淬火工艺下的冷却过程,通过分析淬火过程中的温度变化历程及最终组织分布,为厂方生产的P20钢模块制定合理的淬火工艺.     

联合均衡和多重深度TCM译码技术研究

针对ATSC DTV系统,提出一种多重深度TCM译码作为软判决的联合均衡及译码方案,从而降低误差传播,提高了均衡器的性能.新方案仅增加了译码输出单元,复杂度较深度为1时增加并不大.当采用译码深度为1的TCM译码输出作为反馈,比硬判决反馈时的均衡器收敛门限降低了6 dB.当最大的译码深度增加到6时,均衡器收敛的门限进一步降低了3 dB,从而比硬判决时均衡器的收敛门限降低9 dB.     

适用于热能表配对温度传感器的温度标准装置

目前，各计量检定部门和热能表生产厂家用于热能表温度传感器的检定装置，基本上都采用普通的恒温槽（水槽或油槽）。这种装置主要用于玻璃液体温度计、工业热电阻等的检定、测试工作。其技术指标（温度波动度、温场均匀度等）虽然能满足热能表配对温度传感器的检定要求。但检定条件与热能表的实际安装使用仍存在一定的差异。在热能表的实际安装使用中，配对温度传感器直接通过螺纹连接于进出口的供热管路上，浸没深度很小。大约30mm，而在用现有的恒温槽进行检定时，热能表的配对温度传感器浸没深度大约为300mm，这样会带来一定的误差影响，有资料表明其影响大约为30mK左右。     

基于单目视觉的实时测距方法研究

为了利用单目视觉实时监测本车与前方障碍物之间的距离,在比较了现有的几类用于车辆控制的道路深度信息获取方法的基础上,首先研究了较为适用于汽车自动驾驶的几何关系推导法,进而提出了基于单目视觉的实时测距算法.通过试验可知,由于摄像机的俯仰角是影响实时测距算法的关键因素,因此又提出了基于道路边界平行约束条件的实时计算摄像机俯仰角算法.静态实车试验的结果显示,该基于单目视觉的实时测距算法具有较高的准确性,可以满足测距要求,而动态实车试验的结果则显示,此算法还可以满足汽车智能化控制的实时性要求.     

一种基于3维全景图像技术的深度测量方法

3维全景图像技术是一种能够记录和显示全真3维场景的图像技术。该技术采用微透镜阵列记录空间场景，空间任意一点的深度信息只需通过一次成像即可直接获得。本文研究采用全景图像技术直接获取物体空间信息的方法。此方法首先从全景图像中抽提视图。视图是通过抽提全景图像中对应于每个微透镜下同一局部位置的点人工合成的。每幅视图包含了全景图像中对原来的物空间场景按照某一特定方向的平行投影记录信息。接下来通过分析全景图像的光学成像过程。推导了用来描述物体深度信息和其在对应的视图间的视差关系的深度方程。从而得出空间任一点的深度可以通过其在对应视图间的视差来求得。最后，通过运用全景图像测量火柴盒的厚度的实例，验证了这一方法的可行性。其结果一方面可用于全景图像的数据处理本身，另一方面可望为开发新型的深度测量工具提供理论依据。