基于工作过程导向的《Pro/E模具设计》课程重构

基于工作过程为导向的教学法是当前比较先进的职业技术教育教学方法,它是以学生为主体,使之从做中学、学中做,这样有助于提高学生的综合素质.文章首先提出了教改理念,在此基础上进行了基于工作过程为导向的《Pro/E模具设计》课程教学整体设计,并进行了授课实践,效果良好.     

云环境下基于EDF和LWF的回填算法

由于云资源有限,如何保证时限和提高资源利用率一直是提高成本效益的关键问题.提出一种基于最早截止时限优先算法(EDF)和最大权重优先算法(LWF)的回填算法.该算法通过使用LWF算法支持等待队列中所有的任务按照时限评分排序,在回填任务时,考虑任务的权重,以提高资源利用率;当检测到回填的任务错过了截止时限,则采用EDF算法,以满足时限保证.仿真结果表明,相比平衡螺旋法回填算法和EASS回填算法,提出的算法具有更短的服务延迟时限和更高的资源利用率.     

基于超表面的极化可重构天线设计

设计了一种应用于WiMAX频段的极化可重构天线。天线由交叠放置的两个方环构成的“8”字形超表面和缝隙天线两部分组成，通过机械旋转超表面实现了线极化（LP）、左旋圆极化（LHCP）以及右旋圆极化（RHCP）三种状态的转换。仿真和测量结果表明，该天线实现了线极化和圆极化之间的转换，圆极化状态下的-10 dB相对阻抗带宽为35.4%(2.84 GHz～4.06 GHz),3 dB轴比带宽为10.2%(3.34 GHz～3.7 GHz)；线极化状态下-10 dB阻抗带宽为37.4%(2.74 GHz～4 GHz)。天线具有较好的辐射特性，工作频段内增益均高于6 dBi。     

模糊耦合神经网络的系统供热预测研究

热流量的准确预测,对于日益庞大的城镇供热系统能效提升起着至关重要的作用。首先对影响热流量的各因素应用数理统计的方法进行分析,然后采用模糊耦合神经网络算法对供热系统建立热流量预测模型,并通过某热源的历史运行数据进行分析,与小波神经网络算法比较,证实了该耦合算法的高准确性。这种将模糊理论与神经网络相结合的预测方法兼顾了二者的优点,使其既具有模糊逻辑的不确定信息处理能力,又可以有神经网络的自学习能力。该研究符合城镇供热系统非线性的特性,可以应用于智能热网的热流量预测。     

多电极电磁血液流速仪仿真建模研究

基于电磁流量计权函数理论,将多电极电磁测量方式应用于肢体动脉、静脉血液流速测量。通过将流动截面处划分为不同的区域,利用权函数理论重构流动截面处不同区域内的平均轴向速度值,实现对动脉、静脉血管中互为逆向流动的速度信息测量。在此基础上,通过获取不同位置的弦端电压,利用区域权函数的计算方法,确定流动截面上不同位置的权函数,进而计算流动截面处各个区域的局部轴向平均速度。三维有限元模型仿真和计算结果表明电极的位置、数量以及不同的划分方式重构结果不同,实现了速度重构并测量了局部速度分布。     

基于RFID的交通信号灯智能控制系统的研究

为了有效地缓解交通拥堵,提高城市道路的通行能力,提出了基于RFID的交通信号灯智能控制系统的研究.该系统可以利用RFID技术实现安装RFID标签的道路车辆与安装在道路交叉路口,信号灯上游的RFID阅读器之间的通信及车辆流量的实时监控;同时,系统还可以利用信号灯智能控制算法实现不同时段、不同交通流量下信号灯的智能自动转换,从而缓解交通堵塞、减少交通事故、改善交通环境.实验结果表明,该系统的运用能够有效地提高整个路网的运行效率,减少车辆等待时间.     

基于冗余字典的扰动OMP算法研究

在测量矩阵受扰动和加性噪声情形下,利用离散余弦变换(discrete cosine transform,DCT)和小波变换(wavelet transform,WT)两种不同的冗余字典,对冗余字典的扰动正交匹配追踪(orthogonal matching pursuit,OMP)算法的鲁棒性和稳定性进行了讨论.在不同扰动水平、不同采样数以及不同部分扰动下,通过数值仿真实验验证了信号能够被鲁棒重构.     

基于能力约束的多车种空车动态调整方法

引入空车时空服务网络来描述铁路运输动态变化特性,同时考虑到实际运输生产中的能力约束,并据此建立了基于能力约束的动态规划模型.模型的目标函数考虑了与时间因素相关的空车滞留费用和需求未满足时的惩罚费用等相关费用,同时考虑了多个车种之间的替代费用.模型的能力约束条件考虑了网络弧段的通过能力、空车提供站的发送空车能力和空车需求站的接收空车能力.考虑网络径路绕行的情况,设计了融合K短路算法的模拟退火算法,并采用了两步法的优化策略进行求解.最后对一个简单的路网进行了验证,结果表明融合K短路算法可以在能力约束条件下得到较好的收益.     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

基于压缩感知的心电信号稀疏采样与重构算法

实时心电监测的数据量过大，给系统的传输和存储带来很大压力.为降低采集端的功耗，达到既减轻采样复杂度又降低传输数据量的目的，使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标，研究不同重构算法和小波基的性能表现.结果表明，当压缩率在30%以内时，基追踪作为信号重构算法的百分比均方根差小于4%，同时其重构耗时最短;当压缩率在70%以内时，子空间追踪的误差小于10%，且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.