远射程发射装药与模块装药

该文论述155mm火炮装药系统。该装药采用了高增面性火药及其药型，低压力温度系数装药，以及提高小号装药压力的补偿装药等技术。这是一种高威力的发射装药系统(HPPCS)，它可以将45倍口径、23L药室的155mm火炮(45-23-155mm)初速提高到945～960m／s。HPPCS适用于39-18-155mm、45-23-155mm、52-23-155mm火炮系统。HPPCS有2种弹道方案可供选择：一个是用45-23-155mm火炮发射ERFB弹，将初速提高到945m／s，另一个方案是将初速提高到960m／s。这2种选择都用双模块装药和全等模块装药。射击试验和模拟计算结果显示，初速、最大压力、温度系数都与设计的一致。     

USB数据采集及传输模块的设计

以AT89C51单片机为核心，采用12位串行A／D转换器TLC2543和USB100模块，设计了一个串行数据采集及传输模块，给出了硬件原理图和主要源程序．     

组态软件中项目管理器子模块的软件设计与实现

介绍了组态软件中项目管理器子模块的软件设计与实现。详细阐述了模块功能划分、开发环境、开发思路以及开发中所应用到的类 ,同时分析了实现系统部分功能的原代码 ,并举例证实了系统的运行结果     

Apache模块分析与服务定制

该文首先介绍了Linux平台下作为Web服务器使用的最为广泛、功能最为强大的软件Apache的特性，着重分析了其中访问控制和别名与重定向2大主要组成模块，最后给出了定制自己的安全特性和构造虚拟主机的方法。     

井间地层压力分布预测方法及应用

油藏的井间地层压力分布是油田开发过程中重要的开发指标之一。对动态预测、储量计算来说是一个非常重要的参数,如何获得准确的井间地层压力分布数据就显得尤为重要。以往的地层压力分布计算方法具有一定的局限性,无法准确的利用少数井来预测井与井之间的地层压力分布。在理论模型的研究基础之上编制了地层压力分布预测的计算机程序语言和计算模块,根据建立的压力场分布预测技术,预测并绘制了二区七断块历年压力场分布图。预测结果与实际生产一致,说明该地层压力预测技术是可行的,为油田的开发提供了较准确的参数依据。     

基于ZigBee和GPRS的远程无线抄表系统设计与实现

针对现有的自动抄表方案成本高、功耗大、组网规模小、线路干扰等问题,提出一种新的无线抄表方案。结合ZigBee技术与GPRS网络,设计了一套远程无线抄表系统,局域网络采用ZigBee短距离无线通信技术,广域网络采用GPRS远程无线通信技术,组建的系统具有低成本、低功耗、自组网和自适应等特点,而且有较强的可移植性和兼容性。现场测试结果表明,该无线抄表系统能够快速准确地完成数据采集和传输任务,并具有较强的抗干扰能力和广泛的适用范围。     

基于C8051F005的液晶示波器的研散

系统利用C8051F005单片机作为微控制器,结合各种不同的传感器,并基于其内部集成的ADC子系统,控制HXMGl28064-1液晶显示模块,完成了一种液晶示波器的设计。系统实现了信号的采集、信号的处理以及信号波形的显示。系统体积较小、操作简便、成本低廉而且开发周期短,适用人群较广,具有很大的实用价值和广阔的应用前景。     

一种径向布局双模块高超音速进气道起动特性研究

对一种定几何径向布局轴对称亚燃/超燃高超音速进气道的起动过程、亚燃室反压引起的不起动、飞行速度引起的不起动和再起动过程的非定常流态进行了数值仿真。仿真结果表明:亚燃进气道起动过程中,由于亚燃进气道采用附面层抽吸措施,起动和再起动能力较好;而超燃进气道起动过程中,容易受到亚燃进气道压缩波系的影响。     

基于ANN算法的高校信息管理系统设计

创建高校信息管理系统已成为教育领域的重点研究方向。传统高校信息管理系统在设计与使用中存在利用率低、运行时出现数据冲突与信息浪费、不能较好实现系统兼容与扩容等问题。鉴于此,为了提升信息传输速度,改善信息处理能力,解决数据繁杂故障率高的问题,设计了一种基于ANN算法的高校信息管理系统,通过动态视角在系统上对高校信息资源进行分布式调度,结合高校具体情况设计出子系统,随后通过ANN算法对信息数据进行处理,以仿真实验形式验证系统效果。实验表明,基于ANN算法的高校信息管理系统具有良好的信息处理能力,能够在保证服务质量的前提下降低集群总消耗,不仅提高了高校信息管理水平,也实现了高校信息管理系统的系统化与科学化,基本实现了设计总目标。     

基于CBAMs-BiLSTM模型的中国股市预测（英文）

卷积块注意力模块（CBAM）因其可以有效地提高深度学习模型的预测准确性从而在各种预测问题中显示了其优越性。然而,CBAM在股指预测问题中的有效性研究却十分有限。为了解决这个问题并提高股指的预测精度,本文提出了CBAMs-BiLSTM模型。它将多个CBAM与双向长短期记忆网络（BiLSTM）相结合。研究中,标准指标评价法（SME）和模型置信集检验（MCS）用于综合评价模型的优越性和稳健性。实验数据为具有代表性的中国股指数据集：上证综合指数和深证综合指数。数值结果表明,CBAMs-BiLSTM优于单独的BiLSTM。其中在MAE,RMSE和MAPE上分别平均降低了13.06%,13.39%和12.48%。这证实了CBAM可以有效地提高BiLSTM的预测精度。此外,通过与其他流行模型进行对比,并研究了改变数据集、预测方法和训练集的大小的影响。结果一致证实了CBAMs-BiLSTM在预测精度和投资回报方面的优越性和稳健性。