超高斯伪随机振动激励信号的生成技术

振动激发试验和振动模拟试验的最新发展都需要产生超高斯分布的随机振动激励信号。然而,目前基于功率谱均衡的数字式随机振动控制系统只能产生高斯分布的随机振动激励信号。研究具有指定功率谱密度分布的超高斯伪随机振动激励信号的生成技术,从而使现有的数字式随机振动控制系统可以同时具有频域和幅值域的双域控制及均衡能力。仿真和试验结果验证了该方法的正确性和有效性。     

基于DSP的定时器在模数和数模转换中的应用

采用计算定时器周期寄存器值的方法设置TMS320C6713 DSP定时器,以精确控制D/A数模转换输出信号的频率或A/D模数转换的采样频率,结合C6713 DSP定时器寄存器和配置定时器的一般步骤,以及中断寄存器和可屏蔽中断发生满足的条件,编写了用两个定时器分别控制D/A和A/D的中断初始化程序,并在C6713 DSP硬件平台上进行了验证;结果表明:计算定时器周期寄存器值的方法正确,能够产生指定频率的信号或以指定频率对信号进行采样,控制方式灵活并且精度较高。     

F-Index:一种加速Twig查询处理的扁平结构索引

如何快速、有效地处理twig形式的查询是XML查询处理的关键问题,通过过滤与查询无关的元素可以减少查询中需要处理的元素数目,从而提高查询的执行效率.提出一种扁平结构索引F-Index,能够快速过滤所有与查询无关的索引结点,进而过滤掉查询无关的元素,在处理深度嵌套的复杂结构XML文档时具有很大的优势.提出一种新的查询算法,能够有效处理过滤后剩余元素的匹配问题.基于不同数据集的实验表明,使用F-Index进行过滤可以极大地提高查询处理的性能.     

浅谈高层建筑的电气节能设计

本文从高层建筑电气节能设计所应遵循的原则入手,探讨了高层建筑电气节能设计的具体措施,对相关设计人员有一定的借鉴作用。     

基于军网的武器装备远程监测诊断系统的构建

在说明构建基于军网的武器装备远程监测和故障诊断系统重要性和紧迫性的基础上,分析了将一般机电设备监测诊断用于武器装备远程监测诊断系统的信号检测、数据处理、数据传输、故障诊断等技术。提出了一种监测诊断信息采集、传输、处理,远程诊断中心对多用户异地监测诊断服务,异地专家实时协同诊断的武器装备远程监测诊断系统,给出了系统开放的分布式总体设计框架,并总结了该系统的优点。     

智能故障诊断研究与发展

在综合大量文献基础上,对国内外智能故障诊断的研究现状进行了述评和归纳,同时指出了目前各种智能诊断方法和技术的特点及局限性.这些方法和技术包括:基于规则的智能诊断、基于模型知识的智能诊断、基于神经网络的智能诊断、基于案例的智能诊断、基于行为的智能诊断.对基于神经网络的智能诊断,具体讨论了模式识别的智能故障诊断神经网络、故障预测的神经网络、基于神经网络的智能诊断专家系统.最后指出了智能故障诊断今后的发展趋势,即集成型智能故障诊断系统、基于机器学习的智能故障诊断系统、由单机诊断到远程分布式全系统智能诊断.     

气动式可靠性强化振动台单锤控制系统研究

研究了一气动式振动台单锤开环控制系统,为实现单锤以及多锤闭环控制系统奠定了一定的基础,对我国开展气动式振动台的研发具有一定的参考价值。     

硅材多线切割应力场的计算机仿真分析

首先对硅材多线切割过程中应力场进行了理论分析,得出切割力的理论计算公式.基于有限元仿真技术,通过ANSYS软件对硅材多线切割加工区的应力分布和应变进行了仿真,分析了硅材进给速度和钢丝线切割速度对硅材应力分布和应变的影响.     

基于熵权的全局记忆LF蚁群聚类算法

针对LF蚁群聚类算法没有区分数据集属性重要度、算法效率低和聚类效果不稳定的问题,提出一种基于熵权的全局记忆LF算法(weighted global ant colony optimization, WGACO)。该算法首先通过熵权法计算各属性熵权,修改欧氏距离计算公式,以提升聚类精度;使用权重最大的属性值对数据对象进行初始化,增强聚类效果的稳定性;引入全局记忆矩阵减少蚂蚁的无效移动,提升算法效率;加入算法的收敛条件,提升算法实用性。选取UCI数据库中的7个真实数据集和3个人工生成的数据集进行数值实验,并与GMACO、SMACC、ILFACC三种改进LF的算法进行比较,实验结果表明,所提算法在精度、算法效率和稳定性上都有比较好的提升,在处理高维数据上也有较好的表现。最后,WGACO在商场会员用户细分上表现良好,体现了其实用价值。     

基于改进YOLOv3的口罩佩戴检测方法

为解决市民口罩佩戴目标检测中因小尺寸目标较多导致其识别精度不高的问题,提出一种基于YOLOv3改进的算法M_YOLOv3.重构特征金字塔机制,把原本3*3的类金字塔结构扩建为4*4尺寸,把先验框数量由9增加到16,通过以上方法降低神经网络感受野,增强M_YOLOv3对小尺寸目标的敏感度.将原有的损失函数IoU替换为DIoU,解决边框回归时难以确认梯度下降方向的问题.基于网络公开的4065张口罩数据集的实验结果表明,M_YOLOv3的mAP(平均精度均值)为88.4,较Tiny_YOLOv3和YOLOv3的mAP分别提升了15.9和7.2.