航天器升空过程振动环境的地面试验条件

卫星、飞船等航天器振动试验目的是考核它们对升空过程低频振动环境的适应性.本文对卫星随火升空和整星地面振动试验两种状态进行了仿真计算,星界面横向振动同的条下,比较两种状态卫星顶点的动响应,结果毫无共同点.这是由于升空过程星界面有角运动,而地面试验却制界面角运动.仿升空状态的计算中,确定了与星界面运动关的角运动,并以此作为振动试验补充条,进行地面振动试验仿真计算,此时卫星顶点动响应与升空状态一致.可见补充角运动条是现航天器地面振动试验与其升空过程振动环境一致的有效方法,也为多自由度振动台的应用和条制定提供了依据.     

针对东方人黑色虹膜识别的光谱选择

本文以东方人黑色虹膜作为研究对象,进行两方面研究:1)对于单一光谱照明,找到某一个最适合东方人黑色虹膜的光谱段;2)对于多个光谱照明,确定东方人黑色虹膜所需要的光谱段数量.第一部分研究中,采用改进的卷积矩阵与频谱能量相结合的算法,对虹膜纹理质量进行评估;采用改进2-DGabor与1-DLog-Gabor相结合的编码方法,获得虹膜匹配性能的指标.实验显示:针对单一光谱照明,700nm对于东方人的黑色虹膜是最优的光谱段.第二部分研究中,采用改进multi-group(2D)2PCA算法,基于多光谱虹膜图像的最大不相关性进行层次聚类分析.实验显示:针对多个光谱照明,3个主聚类可以最好地描述从545nm到940nm的所有光谱段.以上研究在该领域内具有开拓性,解决了东方人黑色虹膜多光谱采集与识别的基础问题,为东方人黑色虹膜的多光谱融合提供了理论依据.     

忆阻器阻变随机存取存储器及其在信息存储中的应用

忆阻器具有依赖于激励历史的动态电阻,可以用来构造少晶体管的非易失性半导体存储器(NVSM),也称为阻变随机存取存储器(RRAM).本文提出了一种基于忆阻器的阻变随机存取存储器(MRRAM)——可与现代计算系统相兼容的纳米级二值存储器实现方案,其结构与静态随机存取存储器(SRAM)类似,但用忆阻器替代基本RS触发器存储信息.在此基础上,通过改进该MRRAM,可以实现在一个存储单元中存储多比特信息(以灰度级形式)的多值存储器,大大提高了存储密度.给出的计算机仿真和数值分析验证了本方案在存储ASCII字符和图像中的有效性,探讨了灰度图像存储的新方法.     

基于Zigbee的煤矿无线数据采集系统设计与实现

根据煤矿环境的特点,提出了一种基于Zigbee技术的适用于煤矿巷道多参数采集的无线传感器网络检测系统。该系统利用多种传感器,通过无线传感器网络实现对井下环境及生产参数的实时监测和智能预警。采用RS-485通讯协议及硬件模块化,实现了传感器的灵活添加与监测计算机软件稳定性的增强。通过实验证明了该系统设计的可行性和良好的稳定性。     

基于多智能体的突发事件下城市应急管理机制仿真

随着城市化进程的加快,高密度的城市人口和庞大的城市体量使得城市安全的重要性日益凸显.随着国家机构改革与应急管理部的成立,针对突发事件下新型城市应急管理体系的研究具有重要意义.该文从美国、英国与日本的城市应急管理体系入手,通过对这些国家的应急管理体系的分析,总结出3类城市应急管理机制模型,并建立了相应的突发事件模型.使用...     

SH分子辐射跃迁的理论研究

采用Davidson修正的多参考组态相互作用(Multi-reference configuration interaction,MRCI+Q)方法计算了SH分子的最低三个解离极限对应的8个Λ-S态的电子结构;计算中考虑了标量相对论效应和芯-价电子关联效应.根据得到的 Λ-S态的势能曲线,求解一维核运动的Schr?di...     

基于多模块关系网络的2D足迹分类

由于足迹数据的样本量有限,类间差小、类内距大,一般方法难以获取有效的足迹特征表示,导致足迹分类准确度不高.针对双模态2D足迹分类问题,文中提出一种基于小样本学习的多模块网络算法(MulRN),该算法在嵌入单元与关系单元使用了多个模块来提高网络的特征提取能力与特征度量能力,使用具有多分支结构的Inception模块与MR...     

基于耳蜗图多示例分析的音频场景分类模型

音频场景分类(Acoustic Scene Classification, ASC)是计算听觉场景领域最具挑战的任务之一。传统的ASC模型大多采用基于线性频率分析的手工特征加基于深度学习的分类模型方法。然而,一方面,由于基于线性频率分析的特征提取方法无法模拟人耳基底膜的非线性频率选择特性,从而造成特征分辨率低下的问题;另一方面,现有的分类模型无法解决由于音源复杂且音频事件高度重叠所造成的分类准确率低下的问题。为了解决以上问题,提出了基于耳蜗图多示例分析的音频场景分类模型,一方面采用中心频率按照等效带宽均匀分布的余弦滤波器组对信号频谱进行滤波以模拟人耳听觉感知特性;另一方面,通过引入多示例学习刻画整个数据结构的特点以提高分类准确率。此外,为了抵抗音频事件的频移影响,在多示例学习分类模型的分类预测整合器中采用平均池化方法。在DCASE 2018和DCASE 2019竞赛所提供的Task1a数据集上的实验结果表明,本文提出的模型比DCASE 2018竞赛所提供的基线系统以及传统的基于Log Mel特征提取和多示例学习的模型实现了更高的分类准确率,同时也验证了平均池化要优于最大池化。     

基于Pareto支配的两阶段多目标优化算法

针对二维和三维的多目标优化问题,提出了一种基于Pareto支配的两阶段多目标优化算法(MOEA-PT)。全局搜索阶段根据Pareto支配关系将种群进行排序,依据临界层子集的排序等级执行相应的选择策略;局部调整阶段对种群中的个体进行微调,将新产生的个体与距离其最近的个体进行支配关系、分布性、收敛性的对比,替换较差的个体。分析了两个阶段对算法性能的影响,同时对引入局部调整策略后的种群进行了对比,结果表明局部调整策略能有效增强算法性能。通过对标准测试函数的求解,并与其他经典的多目标算法进行对比,验证了本文算法在收敛性和分布性等方面具有一定的优越性。     

基于Tri-training MPLS的半监督软测量模型

随着污水处理过程日趋复杂,易测量变量和难测量变量的比例严重失衡,传统的监督性软测量建模方法已经无法满足需求.针对这一问题,提出了一种新的半监督学习的软测量模型?Tri-training MPLS模型.首先将标记数据均分为相互独立的3个部分,并由这3个相互独立的标记样本子集选择置信度高的未标记样本训练模型,提高模型的预测...