基于流程描述的测试程序开发平台的研究与应用

为提高通用自动测试系统中测试软件的通用性和开发效率,以STD（测试和信号定义,IEEE1641）标准为基础,借鉴该标准中信号分类及处理的方法,对测试流程进行描述。并以测试流程描述为基础,提出基于流程描述的测试软件开发平台。该平台通过对测试流程的描述和自动解析,实现无编程的测试程序开发。目前,该测试程序开发平台已经在某新型通用测试诊断系统中得到初步应用。     

薄璧抓斗造塑性混凝土防渗墙在田心水库大坝除险加固中的应用

根据塑性混凝土防渗墙体材料,结合田心水库大坝除险加固防渗墙施工过程,阐述了薄璧抓斗造塑性混凝土防渗墙配合比选择、施工工艺流程及技术要求,旨在在施工过程中进行有效控制,使之满足设计参数要求。     

罗茨真空泵试验方法的研究

罗茨泵的抽气速率和极限压力是泵的主要性能,但它在很大程度上要依赖于前级泵的型式和性能,因此它并不是罗茨泵本身特有的性能。能代表罗茨泵特征性能,而又与前级泵无关的是零流量压缩比、最大允许压差与溢流阀压差、漏率和噪声,它们与罗茨泵的真空状态、抽气性能和运行质量有着极其密切的关系。文中对特征性能的试验方法和装置进行了分析和研究,提出了有异于国内外现行标准的,更精粹、独特的见解。     

相控阵雷达T/R组件多总线自动测试系统设计

针对有源相控阵雷达数量巨大T/R组件参数自动测试与数据分析需求,对混合多总线自动测试系统进行了研究;进行了典型T/R组件性能参数与测试仪器设备需求分析,T/R组件多总线自动测试系统硬件和软件系统设计,分析了系统误差及修正策略;该系统采用通用测试仪器结合专用测试控制单元的模式,将GPIB、LXI、USB总线脉冲功率计、噪声系数测试仪、矢量网络分析仪等测试仪器集成到控制台上,利用计算机进行测试过程控制,完成T/R组件的自动测试硬件设计;系统软件设置资源管理、自动校准、自动测试、手动测试和数据管理功能,有效提高了系统配置与数据分析处理能力;测试实验结果表明,采用自动测试大大降低了工作量,基于损耗数据修正的误差处理方法能有效保证测试精度。     

SVDD参数优化的有限穷举—局部遗传算法及故障检测应用

针对支持向量数据描述(SVDD)训练过程中的参数优化问题,提出了一种有限穷举—局部遗传算法.首先,在分别分析参数C和σ对SVDD分类性能不同影响的基础上,得到参数σ是影响分类性能主因的结论.然后针对σ的优化问题,通过穷举有限个整数解并比较其分类性能来确定近似最优解,在近似最优解的领域内用遗传算法进行局部搜索,最终得到精确的优化参数.仿真实验及电路故障检测应用结果表明:算法有效避免了参数搜索的盲目性,能以更短的时耗逼近最优解.     

基于弱相关化特征子空间选择的离散化随机森林并行分类算法

随着大数据时代的到来,数据信息呈几何倍数增长。传统的分类算法将面临着极大的挑战。为了提高分类算法的效率,提出了一种基于弱相关化特征子空间选择的离散化随机森林并行分类算法。该算法在数据预处理阶段对数据集中的连续属性进行离散化。在随机森林抽取特征子空间阶段,利用属性向量空间模型计算属性间的相关性,构造弱相关化特征子空间,使所构建的决策树之间相关性降低,从而提高随机森林的分类效果;并通过研究随机森林的并行化策略,结合MapReduce框架,改进并实现了随机森林模型构建过程的双重并行化,进一步改善了算法的计算效率。     

军用射频识别设备电磁兼容要求与测量研究

分析了军用射频识别设备电磁兼容测试项目及其适用性、测试配置、工作状态、限值要求及抑制网络参数,研究了军用读写器、发卡器、标签等射频识别设备电磁发射和敏感度的要求与测试方法,在GJB151B-2013的基础上形成了军用射频识别设备电磁兼容性能测试规范,为实验室检测人员在军用射频识别设备电磁兼容测试方面,提供明确的要求和详细的试验方法。     

集成电路电磁兼容测试PCB设计

PCB设计为集成电路电磁兼容测试过程中的一个重要环节,对测试结果的精确度有很大影响,并且与常规PCB设计又有比较大的差异.为提高集成电路电磁兼容测试数据的精准度,基于ICEMC测试标准中对PCB设计的要求,对测试PCB设计中的问题进行了研究分析及解决方法验证,给出了三种屏蔽方法设计方案,明确了过孔间距约束的计算方法,提出去耦电容选型原则及I/0负载匹配方法.通过典型测试案例,从PCB结构设计、布局及布线三个方面进行了详细阐述.旨在为IC研发人员和电磁兼容检测人员提供指导和参考.     

基于Zernike矩和SVM的测试波形识别

在电子设备故障诊断中,波形识别是进行故障诊断的重要依据。根据电子设备实时检测与诊断系统的需要,提出了一种基于Zemike矩和支持向量机的测试波形识别方法。采用基于区域的Zernike矩描述子提取测试波形的特征,通过Relief算法选择特征,构造特征集,运用支持向量机完成测试波形的识别。实验结果表明,该方法能够实现时域波形的自动识别,具有较高的识别性能。     

一种基于全局和局部标记相关性的多标记分类算法

多标记学习用于处理一个示例同时与多个类别标记相关的问题.在多标记学习中,标记相关性能够显著提升学习算法的性能.大多数现有的多标记学习算法在利用标记的相关性时,要么只使用被所有示例所共享的全局标记相关性,要么就使用局部标记相关性,它们认为不同簇中的示例应该存在不同的标记相关性.本文中,我们提出了一种同时利用全局和局部标记相关性的多标记学习算法,从而为学习进程提供更全面的标记信息.在计算全局和局部标记相关性时,我们使用了余弦相似性来获取不同标记之间的正相关性和负相关性,这样有助于我们进一步实现更可靠的多标记学习.我们在多种类型的数据集上进行了广泛的对比实验来验证所提算法的有效性.实验结果表明,该算法显著优于大多数对比算法,展现出其在多标记学习中的突出性能.