仿生扑翼模态分析研究与优化设计

微型扑翼飞行器是微型飞行器和扑翼飞行器的结合,是飞行器设计领域的研究热点,但在低雷诺数下存在升力不足的现象。已有研究表明,扑翼的弯扭耦合对于提高升力有效,弯扭耦合可通过共振激励放大驱动机理来实现,但该机理对扑翼的模态提出要求。本文首先建立仿生扑翼有限元模型,对其进行模态分析,并提出1种适用于扑翼的模态种类判别方法。为满足模态要求,提出了2种改进方案,并进行了有限元仿真验证。结合两种改进方案,提出双斜梁-主梁变截面扑翼模型。基于PCL语言对该模型进行参数化建模,采用遗传算法对其进行尺寸优化,得到满足模态要求的相对理想的仿生扑翼,为仿生扑翼的设计和优化提供重要的科学依据和工程应用价值。     

现代中英电影招贴设计艺术特征比较

近几十年来,世界各国的设计师对电影招贴的研究在不断创新发展,在力求准确传达电影信息的同时,更注重电影招贴自身独特的风格以及创意的表达。文章分别以中国设计师黄海和英国设计师Jeremy Sauders为例,选择各自具有代表性的电影招贴进行分析,通过中英两国电影招贴艺术特征的对比,发现中国电影招贴注重传统文化艺术的融入,以营造独具民族性的意境;而英国电影招贴则更重视招贴的形式感设计。     

电力营销精细化管理实践及措施

随着社会经济的高速发展,生产、生活对电力资源的需求量也在上升,以往的电力营销管理模式不再适应电力企业的发展,精细化管理模式也逐渐在电力营销中被使用。在此形势下,结合精细化管理的意义和相关理念对电力营销的改革实践进行思考是至关重要的内容。     

BOOM-KV:基于RDMA的高性能NVM键值数据库

随着英特尔傲腾数据中心持久化内存模块(DCPMM)开始进入市场以及远程直接内存访问(RDMA)硬件成本的降低,设计融合非易失性内存(NVM)和RDMA的键值(KV)数据库面临新的机遇和挑战。构建基于NVM和RDMA的KV数据库的关键在于设计一个高效的通信协议。遗憾的是,现有工作或采用NVM不感知的RDMA协议,或采用低效的NVM感知的RDMA协议,这导致它们无法最大化KV数据库的性能。本文提出了BOOM协议——一种新型的NVM感知的RDMA协议。相较于NVM不感知的协议,BOOM协议允许直接对远端NVM进行RDMA操作,消除了冗余的数据拷贝;相较于现有的NVM感知的协议,它可以显著减少元数据请求,降低KV请求的端对端延迟。在BOOM协议的基础上构建了BOOM-KV,并针对服务端中央处理器(CPU)利用率和宕机持久化等问题进一步进行优化。将BOOM-KV与最新的研究成果进行对比,结果表明,BOOM-KV能显著降低请求延迟,其中PUT延迟最大降低了42%,GET延迟最大降低了41%,并且展现出良好的扩展性。     

基于激光点云数据的叶片型面三维重构

在四坐标叶片型面检测基础上,提出基于激光点云数据的叶片型面三维重构方法。激光位移传感器对叶片型面进行多视角扫描采样,快速采集叶片型面海量点云数据。运用由点到线到面的数学建模原理,先基于端点一阶导矢连续法拟合出光顺NURBS曲线,再依据分片能量法构建辅助曲面拟合出光顺NURBS曲面,最后对分片NURBS曲面进行统一描述,构造出精确光滑的叶片型面,实现叶片型面的三维重构。实验结果表明：采用该方法实现对各类叶片复杂型面的三维重构,重构误差均<0.015 mm,能够满足精密零件的测量需求。     

基于自适应遗传算法的测试用例生成工具

提出一种“对组合”测试用例生成算法。给出“对组合”索引表的概念。在索引表的基础上,实现一种自适应遗传算法生成测试用例集合。介绍使用该方法开发的测试用例自动生成工具GATG。实验证明,该方法基本达到国际同类工具的平均水平,具有较好的使用价值和应用前景。     

基于矩阵分解的DLDA特征抽取方法分析

提出两种基于矩阵分解的DLDA特征抽取算法。通过引入QR分解和谱分解(SF)两种矩阵分析方法,在DLDA鉴别准则下,对散布矩阵实现降维,从而得到描述人脸图像样本更有效和稳定的分类信息。该方法通过对两种矩阵分解过程的分析,证明在传统Fisher鉴别分析方法中,矩阵分解同样可以模拟PCA过程对样本进行降维,从而克服了小样本问题。在ORL人脸数据库上的实验结果验证了该算法的有效性。     

无锡惠山泥人的造型特征研究

无锡惠山泥人历史悠久,造型优美传神,是我国民间工艺的精粹。论文通过对无锡惠山泥人的造型特征进行分析,总结出其造型、色彩、及构图上的规律,以此为实例分析推动传统工艺文化的保护和发展。     

基于改进遗传算法的数字信号特征集选取

针对通信信号的特点,提出了一种应用于信号特征筛选的改进遗传算法。该方法首先确定了最能表现信号调制间差别的特征子集即优秀基因库,然后在遗传过程中通过选择、淘汰引起优秀基因库大小的变化,最后通过引进不同大小的库外特征量,保证每代遗传过程中的交叉和变异概率随环境的变化而自适应的变化,最终筛选出一高质量的特征子集,并结合RBF神经网络分类器得到更好的识别效果。通过仿真实验验证了该方法不但具有求解全局问题的鲁棒性、收敛性,而且具有更快的收敛速度和更强的全局收敛性。