谈谈应用逻辑设计方法设计组合机床继电控制线路问题——双面六工位转塔式组合机床电气控制线路设计小结

在设计机床电气控制线路时,如果仅凭直觉经验,凭记住几个典型环节的控制线路,对于控制动作简单的机床是比较容易对付的。但是,当遇到控制动作复杂的机床,这种直觉经验设计法会给电气控制线路的设计工作带来很大的困难,尤其是对于设计工作的初学者,更容易造成各个环节顾此失彼的局面。为了克服这种盲目的设计方法,我们经反复摸索,发觉如运用逻辑代数方法于机床继电控制线路的设计工作,能实现多、快、好、省的目的。我们设计双面六工位转塔式组合机床的电气控制线路时,原来按直觉经验设计,不仅费力,而且要用八十多只继电器才能完成控制动作的要求。后来运用了逻辑代数设计方法,线路结构得到很大的简化,仅用三十多只继电器就能满足控制动作的要求,而且线路的逻辑性     

通用通信设备监控与业务通信软件的设计

针对传统通信设备的监控软件存在的一些问题,如人机界面不够友好、不能实现一对多的监测和控制、监控不够直观、实时,该文提出了一种通用的通信设备监控和业务通信软件的设计方法,该软件具有更加友好的人机交互功能,可以实现一个软件对多台通信设备的监控和业务通信功能,并具备较好的实时性。     

步进器在机床电气控制中的应用

在控制程序较为复杂的组合机床电气控制系统中应用步进器,不仅增强了设计工作的灵活性,而且也有助于简化电气控制系统的机构。 在设计机床的电控线路时,通常可以给出三个方案: 1.继电器控制线路。利用逻辑组合原理,通过对开关代数的运算,得出满足控制功能的继电器逻辑控制线路,例如图1和本刊1975年第2期的继电器控制线路逻辑设计实例。     

系统动态仿真技术在高压补燃氢氧发动机研制中的应用

介绍了系统动态仿真技术在我国高压补燃氢氧发动机研制中的应用。简要介绍了用于液体火箭发动机系统动态仿真的数学模型的建立和处理。实践结果表明，将系统动态仿真技术应用于火箭发动机的研制中，达到了完善发动机系统配置、优化发动机系统构成、指导发动机进行冷态试验和制定发动机的启动、关机时序的目的，为我国高压补燃氢氧发动机的研制起到了重要作用。     

MIMO-ISAR匀加速旋转目标运动参数估计及性能分析

MIMO雷达采用ISAR技术成像时需要估计目标的运动参数,为回波数据的方位向重排与插值提供依据,以及实现距离-多普勒图像的横向定标。针对匀加速旋转目标,该文提出一种初始角速度和转动加速度联合估计方法。借助MIMO雷达多通道观测的结构优势,根据不同通道回波间相位差异,通过估计差异信号相位系数获得目标运动状态。在此基础上,分析了算法推导过程中因函数近似引起的误差,同时对算法的分辨能力给出定量评估。最后,通过仿真验证了分析推导的正确性。     

基于矩阵论的一致性控制算法收敛速度分析

空中自组网(Flying Ad-Hoc Network, FANET)是支撑无人机集群系统(Unmanned Aerial Vehicle Swarm, UAV swarm)的关键技术,它由数量庞大且具有无线通信能力的小型无人机构成。FANET中的信标帧业务在实现集群一致性控制应用的过程中扮演着重要角色。然而,实际应用中FANET无线链路的不可靠性将会导致信标帧出现丢包现象,进而影响一致性控制算法的收敛速度(或收敛时间),即集群所有状态值趋于一致的快慢程度。从理论上分析一致性控制算法收敛性能与信标帧丢包率之间的解析关系,对一致性控制算法在未来FANET中的应用具有举足轻重的意义。针对上述研究背景,文中提出了一种基于随机有向图模型和矩阵论的收敛性能分析模型。该模型将每个周期内FANET中的信息流抽象为随机有向图,并采用指示矩阵来表示该随机有向图的拉普拉斯矩阵,有效地用矩阵多项式对一致性收敛过程进行建模。随后,基于矩阵运算和矩阵谱半径的相关知识,该模型给出了最终期望收敛值的解析表达式。利用该最终期望收敛值,所提模型定义了新的收敛速度量化方法。与现有收敛速度分析工作不同,文中通过评估所有节点...     

小波变换在突变信号检测中的应用仿真研究

本文介绍了小波变换及其检测突变信号的基本原理,选用了具有低通特性的高斯函数高斯函数作为小波基的小波变换能够有效识别出非平稳态的突变信号,而且小波尺度大小的选择与检测精度有直接关系。     

多功能步进电机自动控制逻辑网络

本文介绍利用CMOS集成器件来设计逻辑控制网络,实现步进电机多功能自动控制,并讨论这种线路结构的稳定性和可靠性问题.     

空中传感器网络中负载均衡的地理路由协议

针对多跳空中传感器网络(Aerial Sensor Network,ASN)中的负载不均衡问题,提出了强化学习(Reinforcement Learning,RL)理论辅助的队列高效地理路由(Reinforcement-Learning Based Queue-Efficient Geographic Routing,RLQE-GR)协议。RLQE-GR协议首先将ASN路由问题抽象为强化学习(RL)任务,其中每个无人机抽象为一个RL状态,而数据包的每跳成功转发则抽象为一个RL动作。其次,RLQE-GR协议中引入了新的奖赏函数来评估每次动作,该奖赏函数的值不仅与无人机节点地理位置和每跳链路质量相关,而且与无人机节点的可用路由队列长度密切相关。然后,根据所设计的奖赏函数,RLQE-GR协议利用Q函数分布式地更新每个动作的长期累积奖赏值(Q值),并使得每个节点根据本地Q值的大小采用贪婪策略转发数据包。最后,为了使全网的Q值快速收敛且最小化收敛过程中造成的路由性能损失,RLQE-GR采用周期性信标机制对Q值进行迭代更新。当Q值收敛时,RLQE-GR协议能够实现可靠有效的多跳数据传输性能。与现有地理路由协议相比,所提协议在转发数据包的同时考虑了节点之间的相对距离、每跳链路质量和中间节点路由队列利用率。这使得RLQE-GR协议能够在保证路由跳数以及数据包重传次数的限制下,实现ASN的负载均衡。此外,利用强化学习理论,所提协议可以实现近乎最优的路由性能。