客家土楼中的象征文化浅析

客家土楼以其鲜明的风格成为世界建筑艺术的一朵奇葩,其中蕴含着丰富的象征文化.试从象征的源起及在建筑中的具体体现等方面,对客家土楼中的象征文化进行诠释.通过研究其中的象征文化,有助于更完整地认识客家土楼建筑文化的全部涵义.     

设计指纹签到系统的思考

介绍了实现指纹签到系统中高级语言Visual Basic对底层二进制数据的读取方法，数据的存放方式。详细讲述了用Visual Basic编程的关键技术和方法。同时给出了指纹签到系统的使用效果和应用前景。     

基于遗传算法进行张弦梁结构索力识别

为识别张弦梁结构索力大小,提出了一种基于静力检测技术的索力识别方法.基于静力检测技术,定义了张弦梁结构索力识别的一般数学模型.通过分析张弦梁结构的整体受力特征,基于有限元方法提出了适用于张弦梁结构索力识别的识别模型.运用改进的遗传算法寻求问题的全局最优解,只需若干点位移实测值便可实现多个索段索力的同时识别.并编制了通用有限元计算程序,数值模拟算例验证了方法的可行性.     

增广递推最小二乘辨识精度的研究

以带有有色噪声的CARMA模型为例,分析了在干扰项参数辨识当中,误差较大的原因以及影响辨识误差的因素,并利用二次辨识的思想提出了一种提高辨识精度的方法。通过此方法并结合一个具体实例,给出了Matlab仿真辨识的结果。仿真结果表明,经过二次辨识的参数更接近真实值。     

电无级变速器的内燃机最佳效率控制

通过对混合动力汽车电无级变速器传动机构原理分析,提出一种内燃机最佳效率控制策略。该策略主要是基于底层控制系统的硬件结构,根据上位机发送的指令对双机械端口电机的内转子进行转矩控制,实现内燃机最佳效率运行;对外转子进行转速控制,满足车辆运行需求。并且给出了该策略下转矩辨识的方法;同时给出在整车中车辆总成控制与双机械端口电机控制系统和其他系统配合关系。通过实验,验证了该控制策略可以实现内燃机最佳效率运行同时满足负载侧连续平滑调速的可行性。     

基于压电驱动的微振动主动减振控制系统研究

本文以压电陶瓷促动器构建并联六自由度减振平台,采用NI Compact-RIO实时控制系统和Fx-LMS自适应控制算法进行振动主动控制,对次级通道辨识方法和主动控制算法进行了模拟仿真,并搭建主动减振控制系统进行实验验证。仿真与实验结果表明,设计的主动减振控制系统对于7~50 Hz范围内的低频微振动有很好的控制效果。     

一类反应扩散模型的未知参数辨识

考虑一类反应扩散模型的参数辨识问题，将原问题转化为最优化问题后，利用伴随状态方法，推导出控制方程组的伴随方程组，从而给出目标函数关于未知参数的下降方向计算公式。最后给出具体的算法，说明了该方法的可行性。     

一种无线电信号的模拟调制参数测量系统设计

无线电信号的模拟调制参数测量在无线电检测定位、通信发射机测试校准,民用船舶的导航通信等领域都有广泛应 用。设计实现了一种基于超外差结构的无线电信号模拟调制参数的测量系统,以STM32F4 系列单片机作为控制核心,包括 的主要硬件电路模块有本振信号源、混频器、LC无源滤波器、锁相环、低噪声放大器、包络检波电路、鉴频电路等。系统可自 动识别普通调幅波、调频波、未调制的单频载波等模拟调制类型,完成无线电信号解调输出的同时自动测量出载波频率、调制 信号频率、调幅指数、调频指数等主要调制参数。实测结果表明,系统对调制类型识别正确,调幅或调频信号的解调波形信噪 比高、无明显失真,载波频率测量的相对误差小于10-5,主要调制参数测量的相对误差均小于5%。     

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用.在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段.该文讨论了神经网络在图像源识别中的应用方法...     

基于改进VGG网络的单体热电池X光图像无损检测方法研究

为解决单体热电池生产中出现的安装错误、人工检测耗时耗力的问题,提出一个结合迁移学习和卷积 神 经网络(convolutional neural network,CNN) 的单体热电池缺陷检测模型。首先,对数据集图像进行裁剪、加噪等预处理,以VGG16(visual geometry group 16) 网络作为 模型的骨干架构,在瓶颈层后增添选择性核(selective kernel,SK) 卷积;然后,增添全局平均池化(global average pooling,GAP) 层, 增加Dropout层及添加 L2 正则化等微调操作,得到单体热电池缺陷检测模型Q-VGGNet;最后,在大型公开数据集ImageNet上进 行预训练学习,将获得的权重参数迁移到单体热电池图像识别模型Q-VGGNet上。测试实验表明:6种 网络模型对数据集缺陷图像的总体识别准确率分别达到了98.39%、94.44%、97.27%、96.34%、93.71%、 95.61%,Q-VGGNet网 络模型 对合格图像和 漏装负极、极耳断裂、漏装集流片3种缺陷图像 识别准确率 分别达到了99.6%,95.9%,99.6%和98.4%。检测结果表明:该方法能够更准确、快速地检测热电池缺陷, 拥有良好的缺陷诊断能力,较传统方法提高近3%,为人工检测单体热电池缺陷提供了良好的解决途径。