分布式的网络性能管理专家系统模型

根据目前计算网络管理的需要，提出分布式和智能化的管理体系结构．建立了基于人工神经网络的网络性能管理专家系统的模型，并给出一个设计实例，在实例中重点介绍了数据传换和训练样本集的设计。     

高可用冗余热切换CompactPCI系统总线仲裁设计

CompactPCI(以下简称CPCI)高可用冗余热插拔系统平台，采用l l双主系统槽冗余热切换结构，支持主系统槽冗余备份、故障板隔离、热切换以及动态配置，达到99．999％的高可用性．高可用系统总线仲裁器的设计是保障该系统热切换的关键逻辑，其性能直接影响整个系统的可靠性和传输带宽等指标，本文提出了一种CPCI总线仲裁器，并在EPLD(erasmble programmable logic device可编程逻辑器件)中实现该逻辑．实际测量的结果表明该方案是一种公平、高效的总线仲裁器，完全满足高可用CPCI系统平台的要求．     

关于K—可换性与K—正规性

本文证明了对实自共轭迹类算子有Ｔｒ（（ＡＢ）＾２＾ｎ）≤Ｔｒ（Ａ＾２＾ｎ，Ｂ＾２＾ｎ），即Ｋ＝２＾ｎ情形下的Ｈｉｌｂｅｒｔ空间中Ｂｅｌｌｍａｎ不等式；定义了Ｋ－换位子，讨论其若干性质；并给出Ｔｒ（（ＡＡ）＾２＝Ｔｒ（Ａ＾２Ａ）＾２的充要条件，等价定义了正常迹类算子。     

广义积分换序条件的改进

本文讨论并改进了广义积分运算定理的换序条件，将一致收敛的条件改进为更宽泛的总体有界性条件．     

亚热带岩溶山区植被演替和夏季土壤CO2浓度动态关系

对南川市金佛山西坡相近的环境条件下不同植被类型土壤CO2 浓度及其主要环境因子进行连续观测的基础上 ,采用空间换时间的方法对植被演替对夏季土壤CO2 浓度的动态影响作了详细的研究 ,认为 :土壤CO2 随气温的变化有明显的日变化 ,降水对其浓度也有较大的影响 ,其变化过程及CO2 浓度剖面动态与植被类型有关 ;不同植被条件下土壤CO2 浓度月动态受环境因素影响显示出的差异不大 ,但浓度值水平有很大差别 ;植被演替是岩溶和土壤吸收CO2 作用的重要促进因素 .     

一道考研数学试题的多种解法

发散思维是创新思维的最主要特点,一题多解能够培养学生的发散思维能力。利用凑微分法、分部积分法、换元法等给出了2018年全国硕士研究生入学考试一道数学试题的6种解法。以此引导学生深入地探索问题,培养学生的创造性思维能力。     

双流传动的拖拉机转向工况换段过程

以拖拉机液压机械无级变速器为研究对象,通过对变速器构成及工作原理的理论分析,结合拖拉机的工作特性,搭建了由发动机作为驱动系统、由电涡流测功机和盘式制动器作为负载模拟系统、由工控机作为主要测控系统的试验台,建立了发动机及双功率流传动系统负载模型,给出了双功率流传动系统负载在试验台上的实现方法。以F4段换入F5段为例,对基于双流传动的拖拉机转向工况换段过程进行了试验研究。研究结果表明:所给出的双流传动试验台构成方案和试验方法,可为拖拉机转向工况速比控制研究提供试验依据。     

单端反激变换器分析及仿真

在开关电源中对于高电压、小功率(电压不大于5000v,功率小于15瓦)的场合,反激变换器拓扑以不需要输出滤波电感、体积小、成本低的优点得到广泛应用。本文采用固定频率电流模式PWM控制器UC3842设计了在电流连续模式下的单端反激变换器并通过电压、电流双闭环反馈使反馈精度高输出更稳定。同时通过仿真软件saber进行了仿真验证。     

环境风影响下高压直流输电换流阀空冷平台换热性能研究

针对北方某换流站换流阀空冷平台，建立了包含换热器、风机、周围建筑及环境风等多种因素在内的三维传热流动数值分析模型，模拟研究了夏季主导风向下环境风对换热器入口空气温度、风机风量和换热量的影响规律，阐明了影响换流阀空冷平台换热性能的主导因素。结果表明：当环境风速由0 m·s^-1增加至12 m·s^-1,空冷平台入口空气平均温度先升高后降低，在风速3 m·s^-1时极1、极2空冷平台风机入口平均温度最高，较环境温度分别升高了5.4℃与4.0℃;空冷平台下部负压随着风速的增加不断降低，导致风机入口风量持续减少，在风速12 m·s^-1时极1、极2空冷平台风机入口平均风量较无风环境分别降低了12%与8%;空冷平台的换热量随环境风速的增加呈现先降低后升高的趋势，环境风速3 m·s^-1时极1、极2空冷平台的换热性能衰减最为严重，两者换热量较无风环境分别减少了39%与29%;通过对影响换热量的主导因素分析，发现热风回流带来空冷平台入口温度的上升是导致换热量减小的关键因素。研究结果可为换流阀空冷平台的...     

考虑车辆间交互作用的驾驶意图预测方法

准确的意图预测可以帮助智能车辆更好地了解周围环境并做出更加安全的决策，从而提高自动驾驶的安全性，促进人机协同驾驶。为了对驾驶员未来的意图做出更加精准的预测，提出了一种交互式意图预测方法。首先，通过将隐马尔可夫模型（HMM）与高斯混合模型（GMM）相结合，在充分考虑周围场景信息后建立了行为识别模型，用于对当前的驾驶行为做出准确的判断。然后，考虑到交通场景复杂多变的特点，提出基于意图的轨迹预测方法规划出一条最佳的行驶轨迹，并采用最大期望效用理论对未来的驾驶行为进行推理。由于行为识别和意图推理模型综合考虑了交通态势的演变过程和车辆之间的交互作用，所以将两个模型得到的结果相结合可得到车辆最终预测出的驾驶意图。最后，在NGSIM数据集对所提出的方法进行验证，结果表明提出的行为识别模型能够提前0.2~0.3 s识别出车辆的换道意图，结合未来意图推理模型，能够更加准确地预测出车辆未来的驾驶行为，由此可提高车辆驾驶的安全性。