“解方程器”软件包(EQNS-SOLVER)

作者提出了对于任意多项式方程组的一种带有普遍性的求解方法。多项式方程组可能没有解,或者有无穷多个解,或者有有限个解,解是实数也可以是复数。在有限个解的情况下,所创建的方法能够求出所有的解。作者完成了一个软料包,称为《解方程器》,曾在微型计算机上用FORTRAN语言完成计算过程。本文是《解方程器》软料包的说明,内容包括基本原理、方法、程序结构、应用举例以及使用的步骤。     

用软硬件协同设计成像器稳定装置数字控制系统

软硬件协同设计技术是应现代电子系统设计的需求而产生的一项新技术 ,对现有的系统设计思想和设计方法将产生变革性的影响 ,有传统设计方法无可比拟的优点。简要介绍了软硬件协同设计技术的设计思想 ,并应用此技术设计完成了成像器稳定装置数字控制系统     

多变量随机系统的辨识软件IDMR

软件IDMR是用于辨识离散时间多变量随机系统的有效工具,它同时还使用辨识结果给出系统输出仿真。本文介绍IDMR的结构和功能及其特点,并对使用方法和运行操作进行了说明。     

最新的电子设计自动化系统--Protel 2004

介绍了最新EDA系统Protel2004的特点、应用范围及该系统与其相关软件关系。     

Distributed and Parallel Component Library

Software component library is the essential part of reuse-based software development. It is shown that making use of a single component library to store all kinds of components and from which components are searched is very inefficient. We construct multi-libraries to support software reuse and use PVM as development environments to imitate Iargescale computer, which is expected to fulfill distributed storage and parallel search of components efficiently and improve software reuse.     

Windows环境下光伏水泵报价系统的实现

该文介绍了在Ｗｉｎｄｏｗｅ３．１环境下．利用ＭｉｃｒｏｓｏｆｔＣ（＋＋）及其基本类库（ＭＦＣ）开发光伏水泵报价系统的方法。该方法采用了面向对象技术，使软件具备可重用性。同时，ＭＦＣ类库的使用使复杂的Ｗｉｎ－ｄｏｗｓ应用程序的编程接口变得更容易。该方法对其它工程报价问题也具借鉴意义。     

滚动轴承疲劳故障的在线监视和诊断技术

本文研究振动诊断方法在滚动轴承疲劳故障在线监视和诊断中的应用。 文中指出:通过在轴承寿命试验机上所作的大量试验发现,当轴承疲劳后,在作为其二次效应的振动信号中,除存在已为国内外学者指出并广为使用的“通过频率(又称冲击振动发生间隔频率)”和“高频冲击脉冲”两种信息特征外,还存在另一种位于中高频段的鲜为人知的重要信息特征——某“高频峰群”。 本文对该高频峰群的形成机理、影响因素及检测方法进行了初步研究,并利用这种新的信息特征研制了“以带通滤波器或以精化信息特征DDS模型谱分析法为主体的两种轴承疲劳故障在线监视和诊断装置。     

微型计算机中西文表格自动处理软件的算法设计

本文讨论了在微机中西文表格自动处理技术中一些特殊功能的算法设计,分析了设计思想,提供了部份实用算法,并对某些算法的时间复杂度进行了评述。这些算法均已在本校研制的“IBM-PC/XT微型机中西文数据库管理系统”的表格自动处理软件中实现,并已应用于百多家企、事业单位的计算机管理系统中。     

不确定车辆电子稳定控制系统传感器故障估计

针对车辆横摆角速度传感器故障问题,提出一种基于观测器的故障估计策略.首先,考虑由于轮胎侧偏刚度特性造成的不确定性以及系统中存在非线性干扰等因素,建立车辆四轮转向系统数学模型.然后,设计基于观测器的传感器故障估计策略,利用李雅普诺夫函数和线性矩阵不等式方法求解观测器增益.最后,通过Carsim与Simulink联合仿真验证所设计的传感器故障诊断策略的有效性.结果表明：在传感器发生故障时,该诊断策略能够对系统状态以及传感器故障具有良好的估计效果,能够为车辆安全稳定系统提供关键信息,并且对于下一步的传感器故障容错控制提供技术支持.     

基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。