复杂目标电磁散射分析的FEM/PO-PTD方法

采用一种新的混合方法——FEM／PO-PTD法,分析计算带有腔体的电大尺寸复杂目标的电磁散射特性。该方法中,应用矢量有限元法(edge-based FEM)为基本方法,将腔体开口面上的磁场方程作为腔体内问题的边界条件引入泛函,采用物理光学法(PO)和物理绕射理论(PTD)分析电大尺寸规则目标的电磁散射特性。为了验证该方法的准确性,首先将其应用于三维无穷接地开口腔体的电磁散射特性分析,计算结果与有关文献的数据一致性很好。在此基础上,给出了带有不同介质填充腔体和吸波材料涂敷腔体的电大尺寸导体目标雷达散射截面的计算曲线。     

NESP中测量工具的研究与实现

测量工具是进行网络测量研究的前提和基石。提出了NESP中测量工具的分层结构,给出了基于CoralReef的流测量工具的实现,简单介绍了CoralReef软件包并描述了相关的性能优化技术。为NESP中测量工具的设计和实现提供了总体的框架和方法,对NESP扩充和集成测量工具具有参考价值和指导作用。     

不动点定理在拟平衡问题组中的应用

在不具有任何凸性结构和线性结构的有限连续空间(简称,FC-空间)中引入了新的拟平衡问题组,并运用FC-空间中的不动点定理,证明了这些拟平衡问题组的平衡点的存在性.这些结果推广了近期文献在抽象凸空间中的一些重要的平衡问题和拟平衡问题的存在结果.     

拓扑空间内的广义R-KKM型定理及其应用

在没有任何凸性结构的非紧拓扑空间内对具有(转移)紧闭值的广义R-KKM映射建立了某些新的广义R-KKM型定理.作为应用,在拓扑空间内得到了某些极小极大不等式,鞍点定理和具有下和上界的平衡问题的平衡存在性定理.这些定理推广了最近文献中某些已知结果.     

虫生真菌在害虫生物防治中的应用研究

虫生真菌是农作物害虫的一类重要致病菌,广泛分布于自然界。虫生真菌的筛选、大量生产技术以及制剂的制备都有了较大的发展。随着研究的不断深入,虫生真菌具有广阔的应用前景。本文综述了近几年来国内外虫生真菌的研究状况,着重介绍了虫生真菌的致病机制及在害虫生物防治中的应用。     

G-凸空间中KKM定理的变形及其应用

首先在G 凸空间内引入了共存和可被诱捕的定义,然后将H 空间中KKM定理的变形及其应用推广到G 凸空间,建立了新的极大极小不等式.     

软岩矿井建筑物下特殊开采的可行性研究

以龙口市洼东煤矿蒂带开采的地质采矿条件为依据,建立了岩体蠕变的粘弹性力学模型,确立了其蠕变参数,利用ANSYS的三维立体模型对同一工作面务带开采不同采留宽度条件下的地表下沉和力学效应进行了数值模拟计算,分析了煤柱及其围岩的稳定性和安全性,提出了软岩矿井建筑物下条带开采的合理采留宽度,从而论证了软岩矿井建筑物下特殊开采的可行性,为决策者进行采矿活动提供了科学的依据。     

模糊超扭曲滑模观测器在PMSM中的研究与应用

针对传统滑模控制的永磁同步电机(PMSM)无感系统调速过程中,由于滑模函数存在高频开关量而导致转速抖动的问题,提出使用模糊超扭曲二阶滑模观测器(FST-SMO)进行改进的策略;新型观测器采用高阶滑模控制理论搭建,将滑模函数开关量转移到了高阶导数中,利用算法的积分运算削弱开关量抖振;同时考虑到传统二阶滑模观测器的增益为固定值,无法根据误差量自行调节的问题,提出了基于模糊控制的增益自调节方法,根据误差值及其变化趋势,利用模糊算法输出当前的滑模增益,增强了系统稳定性及鲁棒性;在Simulink环境中搭建了基于模糊超扭曲滑模系统(FST-SMO)的永磁同步电机仿真模型,在不同调速区间内进行调速仿真,并与传统滑模系统仿真的转速波动以及转子角度跟随性进行比较,仿真结果验证了模糊超扭曲滑模观测器具有更高的控制精度与更强的适应性,转速平稳角度跟随性能优越,有效降低转速的抖振。     

基于模型标定的重型卡车座椅动态舒适性仿真研究

为了减轻重型卡车驾驶员的疲劳,增加了减振机构来提高座椅的动态舒适性。提出一种基于模型标定的座椅动态舒适性研究方法。首先通过台架试验得到了空气弹簧的刚度和阻尼器的阻尼参数。然后对座椅进行模态试验和传递率特性试验,获得座椅模态频率与传递率信息,采用迭代寻参的方法确定连接部位的刚度和阻尼参数,从而建立准确的有限元模型。最后进行模态、传递率和随机振动仿真分析,通过仿真结果评估座椅动态舒适性。结果表明,仿真与试验的模态频率误差小于3%,传递率峰值误差小于10%,且该座椅固有频率与人体敏感频率不重合,座椅在非共振频率段的传递率较小。降低共振频率下传递率的波峰值与响应点的均方根加速度值可以提高座椅的动态舒适性。     

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度（mAP）指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。