冲量式皮带称重计原理及应用

运用冲击力水平分力原理的流量测量,其原理为物料冲击检测感应杆使其产生水平位移,进而由检测感应杆送出信号到冲量变送器,通过差动变压器线圈内电流变化大小来检测．     

一个可并行运算的分组密码的工作模式

利用GrayCodes对IGE模式进行了改进,得到一个新的工作模式,新模式与原模式相比具有可并行运算和预处理,加密长度可以是任意的,在适应性模型下是可证明安全的优点。     

不同来源尾巨桉苗木造林生长的比较研究

为明确不同来源良种尾巨桉(Eucalyptus urophylla×E.grandis)无性系DH32-29苗木造林后幼龄阶段(1-3 a)的生长差异,为优质苗木的选择和提质增产增效提供理论依据,本研究以来源清楚的尾巨桉无性系DH32-29苗木(BG)和来源不清的尾巨桉无性系DH32-29苗木(NBG)造林林分为研究对象,比较研究广西西北部、中部及南部3个区域不同苗木造林林分的胸径、树高、生物量、碳储量及生产力的差异性。结果表明：林龄为2、3 a时,尾巨桉BG林分的平均胸径、单株生物量、单株碳储量及单株生产力均显著高于NBG林分(P＜0.05);BG林分乔木层生物量、碳储量及生产力整体高于NBG林分,在林龄为1 a时差异较小,林龄为2 a生时差异增大,但未达显著水平(P＞0.05),林龄为3 a生时差异达极显著水平(P＜0.01)。因此,采用来源清楚的优质苗木造林增产效果更明显。     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

轧制工艺对TA15钛合金板微观组织及拉伸力学性能的影响

对比研究了采用包套轧制工艺及普通冷轧工艺制备的TA15 钛合金薄板的纵、横向微观组织及室温和高温拉伸力学性能。研究表明：两种工艺获得的钛合金板纵、横向微观组织的物相、尺寸、体积占比相似,纵向维氏硬度较横向的高。热轧工艺与冷轧工艺制备的钛合金板相比,力学性能更加优异、力学性能纵横向差异小、综合性能更好、室温屈服强度更高,呈现出“横向大于纵向、热轧大于冷轧”的对比特征。热轧工艺可弱化织构的方向,使成品钛合金板呈现出“强度高、屈强比大、纵横差小”的拉伸力学性能特性。     

基于InSAR构型的地面运动目标检测与测速方法

提出了一种基于干涉合成孔径雷达构型的地面运动目标检测及测速定位新方法。该方法在高程相位和动目标相位耦合的情况下,充分利用相应像素对及其相邻像素对的相干信息进行高度补偿从而进行动目标参数估计。针对干涉合成孔径雷达（interferometric synthetic aperture radar, InSAR）系统中由于长垂直基线导致杂波自由度随地形起伏大大增加等杂波抑制问题,在处理过程中引入了联合像素法,进一步提高了动目标检测和测速精度。通过仿真验证了该方法的有效性。     

基于HLA的卫星轨道机动仿真研究

针对STK(Satellite Tool Kit)在联合作战仿真中实时互操作能力的不足,提出了一种灵活的基于HLA(High Level Architecture)的卫星轨道机动仿真系统设计方法。建立了圆轨道之间平面内霍曼转移、平面外单脉冲和双脉冲轨道转移三种轨道机动模型,设计了多视图可视化表现子系统和仿真对象模型(Simulation Object Model,SOM)。与STK的仿真结果对比表明了该方法的可行性和模型的有效性。     

基于Bayes近似限法的串联系统置信区间的求解

运用基于Bayes的方法对红外空空导弹进行抗干扰性能评估时,只能分别得到导引头和导弹控制系统的抗干扰概率P<,g>、P<,c>及其置信区间,而难以求出导弹复杂系统的抗干扰概率在一定的置信度下的置信区间.针对该问题,提出用Bayes近似限的方法拟合导弹导引头、控制系统的整个串联系统的抗干扰概率的分布,得出该复杂系统的置信度为y的近似置信区间的求解公式,并给出导弹串联系统数字仿真中抗干扰概率的置信区间的求解实例,对该求解方法的正确性进行了验证.     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。