基于熵评价模态分解的雷达信号双谱特征识别

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。     

高职生“学习参与度”对创新创业核心素养的影响机制研究

通过对523名高职学生进行实地调研,探析“学习参与度”对学生创新创业核心素养的影响机制。结果显示:课程建设、教师引导、资源支持对学习心理参与度影响显著;教师引导、资源支持、社会实践对学习行为参与度影响显著。学习参与度显著影响创业意识、创新精神、创业能力。提出优化对策:重视学生创新创业核心素养的培养;提高学生创新创业学习参与度;人际互动提升学习心理参与度;协同培育提高学习行为参与度。     

Microstructure,mechanical properties and wear resistance of an Al–Mg–Si alloy produced by equal channel angular pressing

Microstructure, mechanical properties and wear resistance in an ultrafine-grained Al–Mg–Si alloy fabricated utilizing a combination of equal channel angular pressing (ECAP) and dynamic aging were investigated in this paper. The results indicated that the grain size of the ECAP alloy was significantly refined, i.e., to ~239 nm after three ECAP passes. Meanwhile, the yield and tensile strength of the ECAPed material reached 340 MPa and 445 MPa, respectively, while maintaining a significant uniform elongation of 14%. Wear resistance results demonstrated that the wear rate, wear depth and width of the ECAPed material decreased in comparison with the solution-treated (SST) and peak-aged (T6) conditions under a load range of 5–25 N. The adhesive wear that occurs in the undeformed specimens at 10 N does not appear in the ECAPed specimen at the same load, indicating that the ECAPed specimen delay the appearance of more serious wear mechanisms under certain loads. The cooperative interaction of high density nano-scale β" precipitates and dislocations resulted in a combination of super-high strength and good work hardening ability which suppressed the extension of cracks between the friction layer and the plastic deformation zone. As a consequence, the combination of ECAP and dynamic aging brings a significant improvement for antifriction performance of the 6061 aluminum alloy.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

带有白噪声的Berger方程随机吸引子

考虑带有白噪声的Berger方程解的随机渐近性行为, 用渐近先验估计技术和算子分解方法, 通过引入同构映射构造等价过程, 证明随机吸引子在(H²(U)∩H¹₀(U))×L²(U)中的存在性.     

一种立体织机平行打纬机构的设计与优化

针对多层织物织造过程中,各层纬纱打纬力需保持一致以及需要减少钢筘与纱线之间摩擦的要求,提出八连杆平行打纬机构,并根据工艺要求对打纬机构进行优化。以打纬机构的主轴转动140°时,筘座在后心位置处的近似静止位移Δs最小为优化目标,通过Matlab软件分析确定设计变量,优化钢筘在后死心位置的近似停留时间。运动学仿真结果表明,优化后的打纬机构不仅保证了钢筘的打纬动程和其在后死心处的静止时间,而且增大了钢筘的惯性打纬力,有利于厚重织物的打纬。     

两个矩阵和Drazin逆新的推广式

针对两个矩阵和Drazin逆的表示, 由Drazin逆的定义，根据矩阵分解的思想, 利用Drazin逆的相关性质, 给出了两个矩阵的和在一定条件下Drazin逆新的表示。新结果推广了现有的一些结果。     

基于多变量希尔伯特频域模型的癫痫发作预测

癫痫发作具有突发性和反复性,对患者生命安全构成巨大威胁.为了对癫痫发作进行有效地预测,提出了多变量希尔伯特频域模型的癫痫发作预测方法.将希尔伯特边际谱、希尔伯特边际谱的变化方向和希尔伯特加权频率组成一个三维特征向量作为多变量希尔伯特频域模型,输入到支持相量机中,实现癫痫的发作预测,最后采用癫痫发作预测特征方法对预测结果进行评估.实验结果表明:采用多变量希尔伯特频域模型分析方法预测δ波和θ波的癫痫发作,癫痫预测范围在30~45 min,患者有足够的时间采取措施应对;癫痫发作周期在5~10 min,缩短患者等待时间,降低焦虑程度;与多种相关方法进行比较,该方法具有较低的错误预报率和较高的预测敏感度.     

面向虚拟样机的一种机构运动仿真算法

文中就虚拟样机四连杆机构的运动分析提出一种新的运动仿真算法，在基于场景图的虚拟样机产品模型中实现产品四连杆机构的运动仿真．其算法特点是：利用空间矢量运算原理和四连杆机构特性直接求出四连杆机构从动件的变换矩阵，再通过四连杆机构特征点构造的三角形面积变化求出从动件变换矩阵的偏离角，用偏离角补偿法校正从动件变换矩阵，实现四连杆机构的运动仿真．其算法简单，运算效率高，实现容易．     

搜寻平面机构中虚约束的拆杆组法

本文根据机构的组成原理,提出一种搜寻机构中虚约束的新方法一拆杆组法,用该方法能方便地判断出机构中所含的虚约束,同时能迅速排除含有特定几何条件而实际上并不存在虚约束的机构.