汽车电子聚焦总线系统

汽车电子逐渐进入人们的视线还是近几年的事情,说新也不新,说长久也不长久,而它在国内的发展更只能说是刚起步。但是,无论如何,汽车电子都以一种普及并深入的态势发展开来,让我们无法不去聚焦。可以说,如今汽车电子已经成为商家的最大卖点!     

美国“宙斯盾”系统详解

传说希腊神话中的众神之王宙斯拥有一副护盾，法力无穷，牢不可破，持有它神王便可无所侵扰，稳若磐石。美海军以“宙斯盾”对其“先进水面战舰防空系统”命名，表明美海军对这种系统充满自信，认为这种系统能够有效地保护其水面舰队的安全。     

CAD系统中产品设计三维实体建模方法的研究

三维建模是应用CAD系统进行产品设计的重要步骤。现在市场上已有不少的CAD系统，但是不同系统中的三维建模方法却是基本相同的。在这些三维建模的方法中，往往对用户施加了许多的限制，使得用户无法建立复杂的三维实体。笔者提出了一种新的三维建模方法－折叠法，应用这种方法的概念和原理，可以开发出先进的三维建模CAD系统。折叠二维平面图形构成三维实体是作者提出的一种新概念。     

气动人工肌肉手臂的神经网络Smith预估控制

针对含时滞d的1关节气动人工肌肉(PAM)手臂,用三层递归神经网络(RNN),建立PAM手臂包含时滞的模型(即非线性Smith预估器),并超前d步预测PAM手臂的输出角度.将此超前d步的预测值作为反馈量,与设定值相比较得到的误差作为PID控制器输入量,实现Smith预估PID控制.同时每一步都用RNN模型当前时刻的输出值与PAM手臂当前时刻实际输出值之差的平方做为RNN权值的在线调整准则对RNN预测模型的权值进行在线调整,以自适应PAM手臂的不确定性和时变性.使用Matlab通过串口和研华亚当模块对实物PAM手臂进行控制,控制效果表明所提出的Smith预估PID控制算法比常规PID控制算法的性能有显著提高,证明所提出的算法是有效的和切实可行的.     

饮用水中天然有机物的分析与表征方法

天然有机物(NOM)是一类分布广泛、成分复杂的有机混合物,可严重影响饮用水的处理效率,并可能对出水水质产生严重的不利影响。因此,为了改进和优化饮用水的处理过程,在研究和实际应用阶段对NOM进行表征和定量以了解其结构特性和反应性具有重要意义。文中先对NOM的富集方法进行了介绍,接着梳理了不同分离方法的依据及作用,最后总结了各类表征方法的原理及应用,以期有助于对NOM和饮用水处理的深入研究。     

大型LNG储罐桩基础沉降研究进展综述

对大型LNG储罐的不均匀沉降和抗震问题进行加固改善,一直以来都是具有价值的研究方向.首先对LNG储罐的沉降、储罐桩土结构相互作用的研究现状进行了归纳总结,对国内外学者的研究成果进行综述.简明扼要地指出了桩-土-结构相互作用对大型LNG储罐的沉降有一定积极影响,并且能够有效降低地震作用对储罐的不利影响,在使用有限元软件进行数值仿真时,提出了自己的观点和见解.最后根据桩土结构相互作用下LNG储罐的研究趋势,给出了今后关于该研究方向的建议与展望,以推进今后该方向研究工作的顺利进行.     

超细活性碳酸钙补强脱酮肟型RTV-1硅橡胶的制备及性能

以超细活性碳酸钙为补强剂制备脱酮肟型单组分室温硫化(RTV-1)硅橡胶,并研究了107胶黏度、碳酸钙用量、交联剂和偶联剂种类及用量等对RTV-1硅橡胶性能的影响。结果表明,采用黏度为50 000 mPa.s的107胶、80份超细活性碳酸钙、10份甲基三丁酮肟基硅烷、2份乙烯基三丁酮肟基硅烷及2份硅烷偶联剂KH560,可制备出综合性能较好的脱酮肟型RTV-1硅橡胶,拉伸强度达2.29 MPa,断裂伸长率达500%。     

一种基于拒绝应答的路由协议算法AR-AODV

针对AODV协议进行了研究, 并在此基础上进行改进。通过更改路由请求包和路由回复包的结构, 增加负载因子项, 给出了一种拒绝应答策略的AR-AODV算法以适应重负载网络, 并平衡节点能量消耗。通过NS2环境进行仿真实验, 结果表明AR-AODV协议比AODV协议拥有更低的端到端时延和路由开销, 可缓解网络中心节点的负载并提高网络的性能。     

基于互信息F统计量特征选择技术的地基气象云图分类

在地基气象云图的云状(云类)识别研究中,基于局部二值模式(Local Binary Pattern,LBP)描述子的特征选择技术由于它的简单性和有效性成为最通用的方法.然而,LBP特征的高维特性使得云状识别的性能和计算开销不能令人满意.为此,本文提出一种基于互信息构造的F检验统计量的LBP特征选择算法,可以实现高维LBP特征的有效降维,同时保证云状识别的准确性,极大减少了特征选择过程的计算开销.     

基于知识图谱和Bi-LSTM的推荐算法

目前现有基于模型的推荐算法多是将评分数据输入到深度学习模型中进行训练,得出推荐结果。其缺陷在于无法对预测结果进行可解释性分析。除此之外,无法有效地解决算法的冷启动问题。因此,本文提出一种基于知识图谱和Bi-LSTM的推荐算法,来有效解决算法的可解释性和冷启动问题。首先将获取到的数据集进行预处理,生成预编码向量,根据数据集结点的连接性,构建专业领域知识图谱。其次利用知识图谱的元路径提取技术获取到多条用户-物品路径信息,将其输入到Bi-LSTM中,在路径经过的各结点处加入一层注意力机制,目的是为了模型能够有效地获取到较远结点的信息。最后将多条路径的训练结果输入到平均池化层中,用以区分不同路径的重要程度,利用交叉熵损失函数对模型进行训练,从而得出预测结果。实验结果表明,与传统基于循环神经网络模型的推荐算法相比,该算法可有效地提升算法的可解释性以及预测准确性,并缓解算法的冷启动问题。