CMOS电路平均功耗最小平方估计技术

功耗估计是数字VLSI设计中需要重点考虑的因数。由于芯片管腿数的增加，通过穷举仿真获得电路平均功耗的方法也越来越不现实。文中将最小平方估计方法应用于COMS VLSI的平增功耗估计。该方法与电路功耗的概率分布无关，而且是无偏估计。在ISCAS85基准电路上的仿真结果表明，新方法与Monte Carlo方法相比，收敛速度有很大提高。     

小桥涵预制板改现浇的施工方法

文章从荷载横向分布机理,阐述如何将预制板梁改成现浇板梁,并提出了“预制工现浇”法。     

混凝土倒"T"形叠合板承载力的计算方法

提出一种只发生"部分叠合"的新型混凝土倒"T"形叠合板结构形式.采用肋部厚度已达最终设计厚度的倒"T"形截面预制板,使之能直接承受后浇叠合层混凝土的自重和施工活荷载,节省模板和临时支撑;再根据倒"T"形叠合板的构造特点和试验研究及实际工程应用,提出了这种新型叠合板以倒"T"形板为跨中弯矩的承载主体,后浇叠合层混凝土仅参与正常使用阶段工作的基本假定,建立了计算内容与整浇梁板相同的、简单可靠的承载力计算方法.由于计算过程中将仅发生部分叠合的后浇叠合层混凝土的实际结构功能予以降低,故设计者可根据实际工程情况赋予倒"T"形预制板凹槽内的后浇叠合层混凝土某些附加的有益功能,如保温、防渗、轻质等,从而进一步提高该结构的安全性和适用性,更有利于这种新型叠合板结构的推广应用.     

平面流分离循环流化床锅炉改造及其运行

出力不够是20世纪90年代初投运的第一代中国产循环流化床锅炉的主要问题。为改善75t/h平面流分离循环床锅炉的性能,在原分离器的位置空间采用入口带有加速段的方型分离器代替平面流分离器,适当调整受热面,保留现有炉型和钢构架。改造后的运行实践证明,锅炉出力可以稳定达到额定值,物料循环系统工作正常,主循环回路温度分布合理,改造是成功的。     

电磁场数值分析的无单元Galerkin方法

阐述了移动最小二乘无单元Galerkin方法的基本原理及实现过程,给出了权函数的选取原则,和基于Lagrange乘子法的边界条件处理方法,结合算例说明了该方法用于电磁场分析的有效性和计算特点,并着重研究了影响半径对计算结果的影响,计算结果表明,对于非均匀媒质,影响半径应在一个与高斯积分点有关的范围内取值,以避免媒质作用的“扩散”而降低计算精度。     

结构方程模型迭代算法研究

对结构方程模型——偏最小二乘法分析的模型结构、迭代原理进行了具体研究.首先,详细介绍了结构方程模型的结构关系组成,并针对2个结构2个潜变量的结构方程模型进行了推导,研究了相应迭代算法并开发了实现程序.最后,通过算例验证了迭代算法的有效性.     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

基于最小二乘的阵元位置误差校正及性能分析

针对独立校准信源波达角未知情况下的阵列位置误差校正问题,提出了一种对信号导向矢量的绝对相位进行最小二乘线性拟合,进而估计出阵元位置误差的算法。并对算法的性能进行了详细分析,推导出位置误差估计的显示表达。该算法在对阵元位置误差进行估计时无需迭代运算,甚至不需要一维搜索,具有较低的运算复杂度。理论分析和仿真结果验证了该算法的有效性。     

递归的稳健LCMV波束形成算法

提出了一种针对指向误差、阵元位置误差或阵元相位误差的递归的稳健波束形成方法。该方法基于导向矢量展开算法,在采用线性约束LMS算法递归搜索最优权矢量的同时,搜索真实的期望信号导向矢量。导向矢量的计算采用基于梯度搜索的最优化算法。该方法避免了常规LCMV算法的矩阵求逆运算,所需运算量小。对存在几种特定误差情况的计算机仿真结果表明,该方法稳态性能优越,对期望信号导向矢量的误差具有很好的稳健性。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。