快衰落信道下OFDM系统符号长度的最优化设计

针对时变信道下的OFDM系统的性能分析,通常采用信道在一个符号持续时间内保持不变的假设为前提。然而,这种假设在某些情况下并不合理。随着载波频率的提高,终端移动速度的加快以及符号长度的增加,由多普勒效应导致的载波间的串扰变得更加严重。本文分析了多普勒效应对最大可传送速率和信干比的影响,并且分别设计了使信干比和最大可传送速率最大化的符号长度。数值仿真结果进一步证实了作者的理论结果。     

沥青混合料蠕变试验数据处理与粘弹性计算

为了获得沥青混合料粘弹性本构关系,并利用这种本构关系进行各种数值计算,结合贯入试验中采集到的蠕变数据,采用Matlab软件对蠕变柔量进行拟合,得到了由广义Maxwell模型和Burgers模型表示的粘弹性参数;针对ANSYS有限元软件的计算要求,推导了将其转化为Prony级数形式的计算公式.通过实例计算表明:四参数Burgers模型和六参数Maxwell模型的拟合相对误差分别小于0.7%和1.3%,利用Prony级数方法得到的计算结果与理论解误差不大于0.001%.Burgers模型比广义Maxwell模型更能准确表达沥青混合料的本构关系;Prony级数的转化公式方法简单,计算精确.     

浅谈城镇居民小区配电的设计与建筑电气的节能方式

随着我国改革开放的不断深化,全面进入小康社会的步伐越来越快,为了保障人民居住安全,必须做好居民住宅小区的供配电设计,文章叙述了中小城镇居民住宅小区的现状、供电措施及设计中的几种节能方法.     

变频式自动张紧装置电气控制系统的研究

介绍了变频式自动张紧装置的主控系统及主控系统的硬件配置和软件设计,对变频调速控制器的设计和选型进行了分析研究。研究表明,该电气控制系统能很好地满足自动张紧装置的使用要求,可保证整机性能稳定。     

贝雷法在沥青混合料级配设计中的应用

为优化级配设计,提高级配设计的合理性,以AC-20型沥青混合料的级配设计为例,把FAc和FAf作为控制指标进行级配设计,分别设计出不同FAc和FAf的6种级配,并分别进行了马歇尔试验,考虑沥青混合料的压实特性,结合VMA和VV指标选择出了最优级配,形成了基于贝雷法的级配设计方法。     

城市天然气输配系统压力级制的分析比较

通过对几种城市天然气输配系统压力级制的分析比较,介绍了各种输配系统的优缺点及适合于何种城市的天然气输配系统。     

基于内模原理的状态反馈控制在陀螺平台视轴稳定系统中的应用

针对陀螺平台视轴稳定系统快速隔离扰动、稳定视轴的要求,设计了以挠性速率陀螺为核心的两轴陀螺稳定平台。结合某光电侦查导引系统设计过程,在多环路从属控制结构中引入内模控制,使位置环、速度环、电流环顺序依次投入运行,以快速的内环路有效抑制干扰,而主环路仍以窄带宽保证跟踪精度,达到了良好的控制效果,满足了高精度光电侦查导引系统对陀螺稳定平台快速性和稳定性的要求。     

风轮卡片多工位级进模模具设计

多工位级进模是在普通级进模的基础上发展起来的一种高精度、高效率、长寿命的模具,是技术密集型模具的重要代表,是冲模发展方向之一。本文主要针对风轮卡片的结构特点进行工艺分析,确定冲件级进模的排样方案,介绍模具主要冲压工序及模具成形过程设计。     

利用差动轮系实现机械压力机混合输入的研究

采用差动轮系作为传动机构对机械压力机的混合输入的问题进行了研究. 提出了“调速幅度”或“差速比”是混合输入的重要参数, 它不仅决定了速度调节的大小, 而且决定了伺服电机功率和常规电机功率的功率之间的比值. 对差动轮系中各轴的传动比、两电机的功率计算、工作负载功率的分配等公式进行了推导. 提出了机械压力机实现混合输入可以采用伺服电机和常规电机同时拖动, 与伺服电机和常规电机分别拖动两种驱动方案. 计算结果表明, 采用伺服电机和常规电机分别拖动方案, 可以采用较小功率的伺服电机满足机械压力机的工作要求, 并能使得设备的制造成本和使用成本较低. 因此该拖动方案为机械压力机混合输入在工程实际中应用提出了一条可行之路.     

RNA二级结构预测的模糊模型

基于模糊集合理论，提出了RNA二级结构预测的模糊模型．该模型通过状态空间的模糊分割以及模糊目标的引入等，可有效利用模糊动态规划算法给出该模糊模型的最优决策序列，并进而获得待预测RNA最优与次优的二级结构．基于模糊模型的方法具有许多优点，如计算复杂性的降低，最优与多个次优二级结构的一并获得，以及定性先验知识的有效融入等．完整地给出了RNA二级结构的模糊模型及其计算方法，并进行了具体的实现．将一个具体的BJK模糊模型结构实际应用于tRNA及tmRNA的数据集中，并与基于最小自由能的mfold工具以及基于SCFG的BJK文法模型进行了比较研究．实验结果表明该模型的有效性，相应的预测精度得到了进一步的提高．