高速凸轮机构从动件运动规律的一种改进方法

在对现有从动件运动规律分析的基础上，提出了一种全新的从动件运动规律。这种运动规律可适用于一般情况下高速凸轮机构运动平稳无冲击的要求。     

设计平底直动从动件凸轮机构的一种方法

从凸轮机构接触疲劳破坏这一主要失效形式出发,并考虑从动件预期运动规律对凸轮轮廓曲线最小曲率半径的基本要求,借助于极值和数值计算的理论,提出一种同时满足接触疲劳强度与实现预期运动双重约束条件的平底直动从动件凸轮机构基本尺寸——凸轮最小基圆半径的选择依据,从而扩展了此类凸轮机构的设计计算方法。     

按许用压力角设计最小尺寸的摆动从动杆空间凸轮机构

通过首次引入“虚拟盘形凸轮”的概念,即把空间圆锥凸轮展成为平面,进而将其假想为一虚拟的盘形凸轮,随之植取教授类速度图方法的思想内核构造起与“虚拟盘形凸轮”相应的类角速度图,研究解决了按许用压力角设计最小尺寸的摆动从动杆空间圆锥凸轮机构的课题。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。     

基于SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。     

激光基准信标仪光学系统的设计

对激光光学准直系统进行了设计计算，绘制了激光电路图，并对激光器在本仪器中的使用进行了分析与探讨，给出了最佳的使用条件及使用寿命。     

直动从动件凸轮曲率半径和压力角随导路偏距的变化关系

以直动从动件凸轮为研究对象，讨论了基本参数偏心距对凸轮轮廓凹弧最小曲率半径和压力角的影响及其变化规律。     

巨野教案与帝国主义瓜分中国的狂潮

1897年11月1日的“巨野教案”,亦称“曹州教案”。此次教案规模虽小,但因是大刀会(拳民)所为,对帝国主义掀起瓜分中国的狂潮、义和团运动的发生、中国半殖民地半封建社会的形成,都产生了深远的影响。     

点弹性支承的非保守矩形薄板的稳定性

对带有点弹性支承且受随从力作用的矩形薄板，采用积分方程理论，把问题的控制微分方程化成相应的积分方程，并根据退化核特性得到了相应的特征方程，分析了点弹性支承的刚度及其位置对非保守矩形薄板的自振频率和稳定性的影响。该方法可以方便地解决控制微分方程中因点弹性支承而出现的奇异项问题。     

分布随从力作用下双参数非线性弹性地基上简支输流管道的参激振动

建立了非线性Pasternak地基上分布随从力作用下输流管道在振荡流作用下的运动方程,采用Galerkin法将系统的偏微分方程离散为常微分方程组。计算了简支输流管道的非线性动力响应,并利用分岔图、相平面图、Poincare映射图,分析了分布随从力、平均流速、地基剪切刚度对系统周期运动和混沌运动的影响。结果表明:以分布随从力为分岔参数,系统交替出现混沌运动和周期运动;以平均流速为分岔参数,系统具有非常复杂的动态响应,出现大范围的混沌运动和倍周期运动;增大地基剪切刚度不仅可以增加系统的稳定性,同时还对混沌运动有抑制作用;随着随从力增大,系统的稳定性下降。