视频转码技术研究

视频转码技术有效地实现了异构网络、不同终端之间视频数据的传送,并保证了服务质量.本文对各种视频转码技术进行了深入分析,主要包括:比特率转码、分辨率转码、视频编码格式转码、信息嵌入式转码、基于对象的转码和联合转码等各类转码技术的体系结构和主要算法,同时对转码技术的研究方向也进行了讨论.     

浅谈粉煤灰蒸压釜安装的几个要点

详细介绍了粉煤灰蒸压釜安装过程中的几个要点,并提出了粉煤灰蒸压釜安装过程中需要注意的事项。     

基于随机摄动法的齿轮系统动态响应及灵敏度分析

考虑时变啮合刚度、齿轮综合误差及齿侧间隙等非线性影响因素,建立了多级齿轮传动系统的动力学模型.将齿轮系统中的相关物理参数、几何参数和载荷参数看做随机变量,得到随机振动模型.当随机参数的随机部分比确定部分小得多时,采用随机摄动理论,将振动微分方程在随机参数向量的均值处按Taylor级数展开定理展开至一阶项,并对整理后的方程组进行数值求解.求解过程中结合Kronecker积的代数和矩阵微分理论,得到系统响应的前四阶矩.为了衡量系统的平稳性,对齿对的动态传递误差的前两阶矩进行求解,并与MonteCarlo法进行比较,同时分析了动态传递误差对随机参数的无量纲均值灵敏度,分析结果为提高系统的平稳性提供了依据.     

MEMS器件捷联惯导系统旋转调制技术

使用微机电(MEMS)惯性器件利于捷联惯导系统的低成本和小型化,但MEMS器件误差较大.为提高系统精度,引入了一种全自主误差补偿方法——旋转调制.说明了旋转调制对常值误差的抑制作用和对导航精度的改善效果,并在旋转轴数目、旋转方向、旋转连续性和旋转速度等方面比较了不同旋转调制方案.根据MEMS器件的误差特性,选择了一种适合MEMS器件捷联惯导系统的旋转调制方案并自主研发了原理样机.静态和车载实验表明:旋转调制可以明显抑制MEMS器件常值误差对导航精度的影响,200s内俯仰和横滚姿态精度提高了5倍,速度和位置精度提高了近10倍.     

中文图书主题标引中的错误分析

阐述了中文图书主题标引中叙词组配标引的概念、次序及方法,总结了中文图书主题标引中易犯的错误,并分别进行了实例分析。     

非相参三点源有源诱偏下反辐射导弹落点分布研究

多点源诱偏技术是对抗反辐射导弹（ARM）的有效手段．以ARM攻击过程的二分组理论和双点源诱偏的仿真结果为依据,对等功率三点源诱偏的2种经典布局ARM落点整体分布进行分析和预测．通过对仿真所得ARM落点图及其几何处理结果进行对照分析,验证了这种分析和预测的正确性,为通信辐射源附近的物资、人员的布设提供一定的参考．     

AR(p)扰动下最小均方误差受控过程的联合监控

针对最小均方误差(Minimum Mean Square Error,MMSE)受控过程联合监控可控输入与过程输出这一问题,在任意阶自回归AR(p)平稳扰动模型下开发了一种通用的联合控制图,并将界内点排列非随机判异规则引入其中.同时,对AR(p)平稳扰动模型下生产过程的MMSE控制器和输入与输出的平均链长(Average Run Length,ARL)进行了推导.最后,通过仿真实验验证了该联合控制图的有效性.     

基于状态空间模型的机床热误差动态建模

提出了一种基于状态空间模型的机床热误差建模方法,以几个关键温度点的温升为输入,结合状态变量和干扰来确定热误差输出,由子空间辨识算法得到模型参数.同时,在一台数控车床上进行实验,以探究模型的精度和鲁棒性.结果表明:在不同的转速条件下,所提出的模型能够补偿70%的热误差;与自回归模型的建模方法相比,状态空间模型表现出更优异的鲁棒性.     

基于G2连续Bézier曲线的刀具轨迹压缩算法

针对复杂曲面的数控加工,提出一种基于Bézier曲线的刀具轨迹数据压缩算法.根据连续小线段的几何特征来筛选适用于被压缩的区域,将各个区域内的形值点转化为特殊的3阶Bézier曲线,选用最小二乘法拟合形值点,通过调整参数曲线控制点和插入过渡曲线,使得加工路径光顺并保证G2连续性,采用2阶Taylor展开来估计误差和控制拟合精度.结果表明:所提出的算法无迭代、实时性好,算法数据的压缩比高;采用Taylor展开估计的误差与真实误差很接近,可以有效控制拟合精度.     

基于模糊聚类测点优化与向量机的坐标镗床热误差建模

为了研究电主轴系统热特性对机床精度的影响,建立了主轴轴向及径向热误差模型.以精密坐标镗床为对象,采用五点法对主轴热误差进行测量,并分析了转速对主轴热误差及温度场的影响规律.利用模糊聚类分析法对温度变量进行分组优化,选出对热误差敏感的温度变量,建立主轴轴向热伸长及径向热倾角的最小二乘支持向量机(LS-SVM)以及多元线性回归(MLRA)的综合热误差模型,并设定了预测优度评价标准.结果表明:模糊聚类分组法能有效降低温度变量间的多重共线性,并提高模型的稳定性;LS-SVM模型具备全局寻优的特点,可实现不同工况的高精度预测,预测精度可达90%,且比传统的MLRA模型有更好的通用性以及更强的泛化能力,可作为后期热误差的补偿模型.