基于HAQ模型的城镇居民住房支付能力研究

文章在分析住房支付能力典型指标的基础上,从“首付+月付”的维度构建了住房支付能力象限(HAQ)模型.模型设定完全支付能力、无支付能力、收入依赖型支付能力和财富依赖型支付能力四个象限,是四种不同的住房支付能力状态.当首付能力(DPA)不小于1时,家庭储蓄能够承担住房首付;当月付能力(MPA)不小于1时,家庭剩余收入能够支付住房每月还款额;反之则存在住房支付问题.最后以中国35个大中城市为例进行了模型测算,发现2012年中国35个大中城市普遍存在不同的住房支付问题,并且表现出明显的区域差异;象限模型与房价收入比在结果上具有可比性,且象限模型从内涵上更为丰富,为中国居民住房支付理论发展,住房市场运行状态和居民住房压力评价提供了新思路.     

基于LM4766的音频功率放大器设计

介绍音频功率放大器的原理与设计,讨论了主要元器件及参数的选择.整个电路主要由稳压电源、前置放大器、功率放大器共三个部分构成.其中LM4766是一立体声音频放大器电路,采用双电源应用电路.电路结构简单,并给出了测试结果,实验结果表明该功率放大器在带宽、失真度、效率等方面具有较好的指标.     

基于Elman神经网络的传感器补偿算法研究

为消除随钻测斜仪中的传感器由于受温度、湿度等非目标参量影响,提高随钻测斜仪的测量精度和工作稳定性,采用Elman神经网络,用LM算法对其进行训练,并将其应用到随钻测斜仪的传感器补偿中.仿真结果表明,精度可达10-7,比原来提高了4个数量级,提高了随钻测斜仪的测量精度和稳定性.该方法补偿速度快,补偿效果好,可以应用于其它各类传感器的补偿中.     

便携式GSM无线视频终端接口的设计与实现

设计并实现了适用于GSM(G lobal system formob ile commun ications)网络的便携式无线视频通信终端的接口。叙述了通过DSP TM1300的PC I-X IO口,经UART芯片ST16C550与GSM接口模块MC35连接的设计方案。给出了该无线接口的硬件和软件设计要点,如PC I-X IO口的缓存区控制、多线程同步等。实际测试结果表明,该无线网络通信接口工作稳定,性能良好,平均速率可达1 120Byte/s。     

碳酸盐岩油藏岩石分类方法研究

岩石分类是碳酸盐岩油藏描述和为油藏模拟建立地质模型必须考虑的步骤。应用取心井岩心样品的孔隙度、渗透率和毛管压力数据,采用Winland R35方法划分了国外某碳酸盐岩油藏的岩石类型。实验结果和计算结果对比表明,WinlandR35方法预测的孔喉大小较为合理,采用该方法划分的岩石类型相渗曲线和毛管压力曲线具有相似性。研究结果可以应用于建立基于岩石类型控制的三维地质模型。     

柴油发电机神经网络非线性励磁控制器研究

采用基于LM算法的BP神经网络逼近柴油无刷发电机微分几何非线性励磁控制器,实现了神经网络非线性励磁控制方式,简化了控制回路。仿真结果表明,在系统遭受扰动或故障时,所设计的神经网络非线性励磁控制器具有良好的控制效果。     

基于两线串行总线的高精度集成温度传感器

LM86是美国国家半导体公司(NSC)生产的集成温度传感器,可同时监测远程和本地温度。被广泛应用于智能温度控制仪、电信设备、电子计算机、复印机等办公设备和家用电子产品领域。介绍了它的基本特性、引脚功能、内部结构和应用电路。     

基于NI-ELVIS平台下的两种频率/电压转换电路的比较

在一般的自动测量和控制系统中,经常将电压信号转换为频率信号或将频率信号转换成电压信号。本文利用NI–ELVIS实验板将LM2907外接相关器件设计成的频率-电压转换电路同AD650外接相关器件设计成的频率-电压转换电路进行了比较。两种电路都可用于水电站的励磁系统、电机的转速测量等。电路中所用的转换器件LM2907N和AD650都可实现频率/电压的转换,但AD650具备较高的精度、线性和积分输入特性。     

跨音压气机转子叶尖流场中诱导涡的讨论和分析

Van Zante等首次提出了诱导涡的概念,在研究诱导涡与压气机叶尖流场的关系之前需要回答"诱导涡是否存在"这一问题。为此以跨音转子NASA Rotor 35为研究对象,采用四种不同的网格配置在80%设计转速下进行单通道数值模拟。数值计算均捕捉到了流场的主要特征,与实验结果符合较好;但没有出现所谓的诱导涡,因此对叶尖区流场的关注焦点仍然可以集中在叶顶间隙泄漏流本身。尽管如此,近机匣壁网格不断加密还是会对泄漏流的轨迹产生影响;因此Van Zante等提出的用来评估壁面剪切层强弱的参数VD依旧具有参考价值,只是针对其物理意义的解释需要重新阐述。     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。