一种轴对称变厚度振动陀螺谐振子的振动特性研究

谐振子是振动陀螺的核心敏感元件。振子的结构特征对振动陀螺的性能具有决定作用。本文研究一种轴对称变厚度振动陀螺谐振子的结构特点及工作原理,建立谐振子的有限元模型,分析结构参数对振子振动特性的影响规律。在理论分析之上,提出一组合理的谐振子的结构参数。     

基于有限元法的客车车架结构分析与研究

在Hypermesh软件中采用板壳单元对车架几何模型进行网格划分,建立车架的有限元模型。根据客车的承载特点和行使工况,对该车车架进行动力学分析。并对车架进行模态计算,得到车架的固有频率和固有振型。配合实验数据,对车架结构的设计提出了合理的改进方案,本文可获得较高的工程应用价值。     

基于经济的网格资源调度算法研究

网格使构建虚拟组织,在全世界范围内共享资源成为现实.但是,在网格环境下的资源管理和调度是一项相当复杂的工作,这主要是由于资源分布在世界各地,隶属于不同的组织,各个资源拥有者都有不同的使用和访问策略、开销模型、不断变化的负载和可用性.为了满足网格计算环境中资源调度的复杂需要,可以将现实世界中的经济原理和模型应用到网格环境下的任务调度中,并据此提出了几种经济资源调度算法.     

谓词模态逻辑中变量的严格指派问题

目前,命题模态逻辑已成为人工智能以及计算机科学等其他领域的有效工具,但谓词模态逻辑却不是.关于谓词模态逻辑还存在着很多的争议和问题.表面上看,在命题模态逻辑中添加相应的量词而得到谓词模态逻辑似乎是一件很简单的事情,但是这些新添加的量词却带来了许多的问题和麻烦,例如,变量的严格指派问题、不变论域与可变论域问题、跨界相等问题等.主要研究谓词模态逻辑中变量的严格指派问题.首先,介绍什么是变量的严格指派问题;其次,讨论对于该问题现有的解决办法及所存在的不足;最后,分析造成该问题的深层次原因,并简要介绍该问题的解决办法.     

基于CAN总线的模态测试悬挂控制系统设计

阐述了模态测试悬挂控制系统的研究意义,分析了模态测试悬挂控制系统的工作原理和硬件结构,制定了适合模态试验悬挂控制系统的CAN通讯协议,设计了底层电磁力与气压控制软件、上/下位机通信软件和上层工控机监控软件;试验结果表明,基于CAN总线的模态测试悬挂控制系统具有控制精度高、工作稳定可靠、通信速度快和可扩展性强等特点,很好地实现了模态测试悬挂控制系统预期的研制指标。     

倒易晶胞和小波相结合的图像复原方法

为了去除混迭、噪声和模糊对图像的影响,从遥感器成像的光学及几何特性出发,运用倒易晶胞的复原方法对晶胞形状进行限制;将错误的频谱覆盖放到正确的位置以减少混迭;并结合小波复原方法对退化的图像进行去模糊、去噪,得到一幅更清晰的图像．实验结果表明,结合倒易晶胞的小波复原方法比常用基于频域的方法复原效果更好．     

计及多模态分量的新能源电力系统节点频率分析方法

“双碳”背景下,大规模新能源接入电力系统,频率响应空间分布差异扩大,此时各节点频率响应中的非全局分量可能主导频率稳定问题,而对于此类问题的研究目前尚不充分。为此,基于频率响应模态分解思路,提出新能源电力系统节点频率响应量化分析方法。首先,用惯量-阻尼-调频系统统一结构近似各类型设备频率-有功传递函数。然后,基于二次特征值分析方法将各节点频率响应进行分解,获得共模频率与若干差模频率的表达式。进一步地,解析了各频率分量的最大偏移量、变化率等关键特征量,并类比总惯量与全局频率变化率间的对应关系,针对各节点各模态频率分量定义了节点模态惯量指标。所提频率分解方法与指标直观地展示了电力系统中各差模频率的节点分布差异。最后,仿真验证了所提频率分解方法和指标的有效性。     

基于提取双选紧密特征的RGB-D显著性检测网络

针对现有算法对不同来源特征之间的交互选择关注度欠缺以及对跨模态特征提取不充分的问题,提出了一种基于提取双选紧密特征的RGB-D显著性检测网络。首先,为了筛选出能够同时增强RGB图像显著区域和深度图像显著区域的特征,引入双向选择模块(bi-directional selection module, BSM);为了解决跨模态特征提取不充分,导致算法计算冗余且精度低的问题,引入紧密提取模块(dense extraction module, DEM);最后,通过特征聚合模块(feature aggregation module, FAM)对密集特征进行级联融合,并将循环残差优化模块(recurrent residual refinement aggregation module, RAM)配合深度监督实现粗显著图的持续优化,最终得到精确的显著图。在4个广泛使用的数据集上进行的综合实验表明,本文提出的算法在4个关键指标方面优于7种现有方法。     

融合 CEEMD 和 TCN 的受热面积灰预测研究

对锅炉受热面积灰程度的有效预测,可为锅炉提升生产效率和故障预警提供重要依据。 采用清洁因子来评估受热面的 灰污沉积状况,针对其序列非线性、非平稳性的特点,提出一种基于互补集合经验模态分解与时间卷积网络的受热面积灰预测 方法。 首先,通过互补集合经验模态分解将经过小波阈值去噪处理后的原始序列分解为一组子序列分量;然后,针对不同子序 列分别构建基于时间卷积网络的时序预测模型,并优化网络超参数提升预测准确性;最后,将各 IMF 分量的预测结果叠加得出 清洁因子的预测数值。 由实验结果可得,相较于其他两种模型,预测精度分别提高 62. 1%和 57. 1%,CEEMD-TCN 模型对受热 面积灰状况预测精度最高,验证了该模型的准确性和可靠性。