火工品压药机装配误差的研究

针对军用雷管生产线中压药机结构,分别用极值法和概率法对压药机冲子和雷管的配合精度,进行了装配尺寸链的描述和计算,并对所得的结果进行了比较。     

风机盘管在空调工程中的应用及分析

根据风机盘管的特性，分析了设备运行状况和能量调节方法等方面的有关问题，指出了风机盘管采用变风量的方法调节能量所存在的弊端，同时还分析了在空调设计中，如何充分运用这些特点来合理选型，并对产品开发方面提出了建议。     

基于双迭代聚能量字典学习的数据压缩算法

针对基于稀疏表示（Sparse representation,SR）的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。     

采用面积采样的反走样字符旋转算法

目的 针对现有字符反走样算法中灰度分配不准确导致的字符抖动、实时性较差等问题,提出一种高效的反走样算法.方法 首先,算法基于面积采样原理,根据周围邻域的像素点来分配灰度,使像素点的坐标定位更加准确,从而解决了字符动态显示时抖动的问题;其次,通过反向坐标变换消除了字符旋转后出现的空洞现象;最后,算法充分利用了FPGA的并行计算能力,在时间和空间上都做到了优化.结果 实验结果表明,本文算法很好地解决了字符抖动问题,并且新算法的仿真速度约为传统算法的6倍以上,比五株排列算法提高了30%.结论 相比其他算法,新算法的优势体现在两个方面,一是字符的灰度过渡平滑,反走样效果更好;二是速度快,实时性高,新算法适用于工程中各种场合下点阵字符的显示,尤其是实时性要求高的环境.     

基于无线声发射传感器系统的活立木含水率 诊断方法研究

水分在活立木的生长代谢过程中起着至关重要的作用,实时准确的含水率测量对于立木培育及林木经营具有关键指导意义。以无损检测活立木树干含水率为主要目标,设计并实现了一套基于无线声发射传感器网络(WASN)的木材含水率诊断系统。首先WASN节点高速采样树干表皮的声发射信号,接着计算其特征参数并无线传输至网关,然后采用最大相关最小冗余(mRMR)判据从中筛选出最优特征组合,并经由麻雀算法优化的支持向量机(SSA-SVM)建立含水率辨识模型,最后即可进行在线实时的长期监测诊断。分别在水杉、杨树、松树和山毛榉四类树种上进行了实测,结果表明,诊断准确率最低为95.5%,所设计WASN完全具备长期部署观测树木蒸腾作用的功能。     

基于回声状态网络的BOD在线软测量模型

针对污水处理过程的BOD建模问题,提出了一种基于回声状态网络的BOD在线软测量方法;基于梯度下降规则对回声状态网络的在线学习算法进行了研究;为保证学习算法的收敛性,基于Lyapunov理论对学习率范围进行了确定;实验表明,基于回声状态网络的在线BOD预测方法较常规神经网络预测精度提高约两个数量级,模型的适应性也大幅提高。     

下一代电信网络及软交换

文章简要分析了当前电信网存在的主要问题，介绍了下一代电信网络的网络体系结构；在此基础上，着重阐述了软交换技术在下一代电信网络中的重要功能、对外接口及采用的通信协议。     

活齿端面谐波齿轮啮合状态的几何模型

活齿端面谐波齿轮是综合现有的谐波齿轮传动和活齿传动的优点而发明的一种新型传动装置．可以在保留现有谐波齿轮传动所有优点的基础上．大幅度地提高所传递的功率。建立了描写活齿端面谐波齿轮啮合状态的几何模型．并利用该几何模型推导出了活齿端面谐波齿轮实现连续传动的条件。     

休谟的德性思想析论

休谟对德性的宽泛定义开始就引起时人的异议．他在德性的标准、德性的生成、德性的对象等方面进行了详尽的阐述，标志着传统德性观开始向现代德性观过渡。休谟的德性具体体现为各种各样的德目．表明现代社会中人的存在开始呈现出多样化趋势．他的德性思想中也蕴涵着功利主义和情感主义的端倪。     

模块化神经网络集成方法研究

针对模块化神经网络的集成问题,综合"分而治之"和"集思广益"的思想,提出了一种在线选择子网络的方法。针对不同的输入,计算输入与各子网络训练样本中心的距离测度,构造距离测度的隶属函数,通过模糊判别实现子网络的在线选择。参与信息处理的子网络随输入变化,使网络集成具有更强的自适应能力。多个子网络采用线性整合,采用样本空间重构技术及动态规划方法实现子网络权重的在线优化。仿真结果表明:该方法提高了模块化神经网络的精度和泛化能力。