新型承插型盘扣式模板支撑体系承载力计算方法缺陷分析

对承插型盘扣式模板支撑体系的承载力进行准确预测,有着十分重要的工程意义,但目前普遍采用的承载力计算方法中存在诸多缺陷。根据规范建议方法设计搭建某实际工程承重型高大模板支撑体系。通过现场检测以及有限元模拟分析,探讨承插型盘扣式模板支撑体系的承载力计算方法。在有限元分析中,采用水平力法考虑初始缺陷对承载力的影响,在接头处设置转动刚度值以分析钢管接头处刚度的削弱;并将有限元计算结果与现场实测值对比。结果表明:仅仅采用规范建议的方法进行计算,其结果与实测结果误差较大;考虑初始缺陷和节点半刚性后,结果获得改善;进一步考虑接头转动刚度后,承载力计算结果与实测结果吻合较好。说明在承插型盘扣式模板支撑体系承载力计算中应充分考虑钢管接头处刚度的削弱,以保证施工安全。     

一种基于小波的数字调制信号识别算法

小波包变换理论上可以实现信号频带的均匀划分,从而更好地提取信号的时频特征.作者首先介绍了卷积型小波包算法,然后分析了三种主要的数字调制信号的小波变换特征,提出了一种基于小波的数字调制信号识别算法,仿真结果表明该算法能够识别典型的数字调制信号,而且具有较好的抗噪声性能.     

面向网络流的自适应正则表达式分组匹配算法

针对当前的多正则表达式匹配算法占用较大的系统资源,且吞吐量较低的问题,在分析典型的正则表达式匹配算法的基础上,提出了一种自适应的多正则表达式分组匹配算法.该算法通过对正则表达式进行高效分组,将相互之间存在交叠且容易引起状态数指数增长的表达式相互隔离;将每个分组构造为一个确定性有限自动机(DFA),按匹配概率大小建立伸展树进行调度.仿真结果表明,该算法不仅大大节省了存储空间,而且吞吐量提高了大约3倍.     

飞行员异常事件处理能力的脑电评估方法

为客观准确评估飞行员在飞行过程中对发生的异常事件的处理能力,在A320NEO/CEO全任务飞行模拟器中设定异常事件,并利用脑电设备进行实验信号采集。脑电信号（Electroencephalography,EEG）经独立成分分析（Independent Component Analysis,ICA ）等预处理后,通过近似熵法与小波包分析法提取相应特征以构建特征集,再选择适用于脑电领域的机器学习算法构建模型,并引入F1值、ROC-AUC曲线等模型评价指标对构建的模型进行评价。分析结果显示随机森林算法所构建的模型的分类效果最好,其准确度为88.5%,F1值为84.2%,AUC值为0.95。研究表明该模型预测精度良好,可用于辅助飞行员训练与评估。     

Web数据抓包分析及C／S模式数据提交研究

现今信息社会中,人们要进行交互,均需要在动态网站中填写大量数据。而这些数据的传输不外乎POST和GET两种方式。文章针对动态网站的数据提交方式,分析提交数据原理,并针对该方式,研究数据提交方法。     

输出端口编码的可扩展快速转发方法

提出了一种基于路由器端口编码的转发方法(OPCF),该方法通过在通信源和目的间预先建立起面向连接的端口编码路径,可直接根据端口编码对数据包进行路由,避免了路由表查询开销,实现了基于显式路由的灵活快速转发,有助于网络服务质量的提高和流量工程的实现.由于不需要路由器存储和管理除路由表外的额外信息,OPCF可获得良好的扩展性.由于可隐藏数据包的IP地址信息,OPCF能有效增强网络通信的安全性.原型系统上的实验结果表明,该方法能实现比MPLS更低的端到端延时并能有效提高网络的吞吐量.     

机械振动信号局域判别基特征提取方法

研究了基于相对熵的小波包局域判别基算法,构造了以局域判别基空间上的结点能量为元素的特征矢量,并在发动机上进行了实验研究,结果表明,小波包局域判别基结点能量谱具有明显的类别特征,经过压缩,作为分类器的特征输入具有较高的模式识别率。     

城市车载Ad Hoc网络中丢包率与丢包因素的仿真分析

在针对城市车载ad hoc网络性能的仿真实验中发现,丢包率是影响和衡量城市VANET网络性能的重要指标.为此应用ns-2工具在节点密度和速度变化两种情况下设计了仿真实验并提出了对网络丢包率和丢包因素的分析.通过研究网络中报文的所有丢弃因素与网络丢包率之间的相关性和相关程度,指出了影响城市车载ad hoc网络丢包率的本质因素,针对这些因素的进一步研究会有助于降低丢包率和优化网络性能.     

CDPD系统数据传输性能分析

蜂窝数字分组数据（ＣＤＰＤ）是利用现有的模拟蜂窝电话网来传输数据的一种新技术,它有两种信道分配方案,固定信道方案和跳频方案。立足于ＭＡＣ（ 媒质接入控制） 层,通过仿真和计算,对ＭＤＢＳ（ 移动数据基站） 和ＭＥＳ（ 移动终端系统） 之间的数据传输性能进行了分析,得到了数据吞吐量、平均时延以及由于传输数据而引起的话务量损失值     

应用小波包变换的图像加权广义模糊增强算法

图像边缘细节富含高频成分,鉴于小波包分析具有对高频分辨率高的特点,提出一种应用小波包变换的图像加权广义模糊增强算法。对图像进行小波包分解,分别对各分解子图像进行基于线性广义模糊算子（LGFO）的模糊增强处理,重构前对各增强子图像赋予不同的权值,通过小波包图像重构实现对原始图像的加权模糊增强处理,获得细节丰富、对比度强的高质量增强图像。在基于边缘测度与噪声标准差的增强图像质量评估标准下,算法实现了模糊参数的自适应寻优。实验表明,增强图像轮廓准确、细节丰富。