自动驾驶仪神经网络控制的HLA仿真研究

在对空空导弹自动驾驶仪各功能模块需求和能力分析的基础上,以组件的重用和可扩展为目标,运用HLA技术划分各联邦成员,成功组建神经网络自动驾驶仪分布式仿真系统。设计过程中的关键技术如对FOM/SOM设计和Simulink模型代码转换分别做了研究,给出了基于Matlab/Simulink所建立的空空导弹自动驾驶仪神经网络控制算法与HLA集成的一个工程样例。     

基于局部稳定的有限时间收敛变结构导引律设计

针对拦截弹末制导全局稳定设计复杂、计算量大等问题,采用局部稳定性理论来设计导引律。首先应用有限时间稳定性理论对导弹的拦截时间进行估计。进一步对系统变量进行分析,选取主要变量构成子系统,证明其稳定性,并由局部稳定推出全局稳定。该导引律确保视线角速率在有限时间内收敛至零,且数学模型简单,易于工程实现。仿真结果表明,在目标做高速机动逃逸时,该导引方法仍具有较好的拦截效果。     

面向三维可视化场景的电力大数据分析模型构建研究

针对电力大规模数据和空间场景特征,构建了基于电力大数据的三维可视化场景分析模型。通过对模型的层次化设计,实现同一平台下空间数据和场景的整合;针对模型大规模场景快速渲染问题,提出了一种可见性剔除算法来满足对模型物理层的遮挡剔除,并通过应用实例证明了该算法的准确度和有效性。研究结果表明：采用八叉树组织场景图结构和Halton序列法的快速渲染策略,尽管增加了单一数据的渲染时间,但整体减少了渲染管线数据量,从而提高了对电力大数据分析模型的快速渲染效率,同时保证了三维可视化场景模型节点的均衡性。     

河南电网线损管理系统实践及应用

为积极响应国家节能减排政策号召,提升公司线损管理水平,河南省电力公司启动了河南电网线损管理系统建设项目。该项目实现了理论线损在线计算、线损“四分”管理、降损辅助决策支持、线损分析等八大功能,并在运行过程中不断论证,形成了适合河南电网的线损管理系统应用模式。主要介绍河南省电力公司近年来线损工作的现状以及线损管理系统的框架体系、功能实现及实践应用等。     

基于GVF Snake模型的人脸轮廓提取

活动轮廓模型是计算机视觉领域的重要研究方向。针对传统的活动轮廓模型（Snake模型）对凹形轮廓处理效果差、初始轮廓必须充分接近图像边缘的缺点,通过改进外部能量项,提出了一种基于梯度矢量流活动轮廓模型的人脸轮廓提取算法。该算法把梯度矢量场作为外部能量场,克服了传统Snake模型力场范围小以及不能收敛于凹形边缘的缺点。实验结果表明,该方法能够快速、准确地提取人脸轮廓。     

多几何要素影响下液压阀件特性的混合神经网络预测模型

液压阀件系统是一个具有多几何要素影响的多系统特性复杂系统,建立液压阀件特性预测模型,以系统多几何要素作为输入,实现系统特性的预测,将对实际生产具有重要的意义。在深入分析反向传播(Back propagation,BP)神经网络与径向基函数(Radial basis function,RBF)神经网络的基础上,结合两类神经网络的特点,提出基于BP神经网络与RBF神经网络的混合神经网络预测模型。利用生产实际中实测的某具体液压阀件特性值及影响该特性的各几何要素值作为预测模型的数据来源,对所提出的混合神经网络进行训练,并进行仿真。实例计算表明混合神经网络预测模型可提高单项神经网络预测模型的预测精度,预测平均相对误差为0.0461。可见,所提出的混合神经网络预测模型能够很好地满足工程实践中液压阀件特性预测要求。     

定岛型海岛纤维的生产及其在超纤革中的应用

定岛型海岛纤维是一种由分散相聚合物(岛组分)均匀嵌在连续相聚合物(海组分)中形成的复合纤维,且岛组分数量固定,具有优异的服用性能。本文介绍了定岛型海岛纤维的发展现状、生产工艺以及超纤革的生产及应用,并提出了定岛型海岛纤维和超纤革目前存在的问题,对未来的前景作了展望。     

与雪蟹壳聚糖文献对比分析国产梭蟹壳聚糖的可纺性

为充分了解国产梭蟹壳聚糖与雪蟹壳聚糖纺丝性能之间的差异,利用国产梭蟹壳制备国产梭蟹壳聚糖并进行脱乙酰度的测定,确定其在弱酸中的溶解性,再测定其动力黏度和黏均相对分子质量,并与文献中具有不同纺丝效果的雪蟹壳聚糖的动力黏度和黏均相对分子质量进行对比分析,进而分析国产梭蟹壳聚糖的纺丝性能。试验得出:国产梭蟹壳聚糖的脱乙酰度可达到96. 5%,在弱酸溶液中具有良好的溶解性;国产梭蟹壳聚糖的动力黏度和黏均相对分子质量分别为630 m Pa·s和170 000,都略低于雪蟹壳聚糖的整体水平。故国产梭蟹壳聚糖成纤质量低于雪蟹壳聚糖。     

有机耐高温纤维及其在过滤材料中的应用

介绍5种有机耐高温纤维及其过滤材料的性能特点、应用领域及国内外生产状况,同时对国产有机耐高温过滤材料的发展方向提出建议,为更好地选用有机耐高温过滤材料提供依据。