加入WTO后的建筑设计市场和人才竞争

加入W TO后,设计企业必须经受住市场的无情竞争和人才的不平衡流动,为此,修炼内功、增强市场竞争力、把握人力资源的再生等尤其重要。1我国建筑设计单位和建筑师市场竞争能力不强和人才的流失,造成市场份额的减少主要表现在:组织形式上,国外是专业事务所,是建筑师的组合,我国是     

匝间短路故障对永磁同步电机定子侧电流影响分析

定子绕组的匝间短路故障是永磁同步电机最为常见的故障之一,故障发生时被短路部分绕组中将会产生较大的电流,这将对电机的安全运行造成巨大威胁。为实现匝间短路的故障诊断,将分析匝间短路故障对电机定子侧电流的影响。通过有限元仿真和试验测试获取不同匝间短路严重程度下的定子侧电流,从电流不平衡度、负序电流和小波能量谱三个角度分析匝间短路故障对电机定子侧电流的影响。分析结果表明,当短路匝数增加、故障点接触电阻减小时,电流不平衡度、负序电流和小波能量谱中的D1频段能量变化率都将增大。因此,这三个指标的增加可以作为匝间短路故障的判断依据。     

一种新型超宽带磁天线

该文设计制作了一种新型实用的超宽带磁天线。天线采用平衡馈电,文中对天线的回波损耗、辐射性能和时域响应进行了数值仿真和实验测试。在驻波比小于2时天线有107%的阻抗带宽,大约100%的方向图带宽,工作频段完全覆盖超宽带通信频谱。研究表明,天线有大于5dB的平稳增益,能够不失真地传播脉冲波形。而且由于磁场能量占优,不易于与近场物体互耦,特别适合于室内等物体繁杂的地方应用,有非常强的实用价值。     

两轮自平衡车控制系统的设计与实现

根据飞思卡尔智能车竞赛的要求,设计了基于MC9S12XS128单片机的两轮自平衡智能车控制系统.介绍了该智能车系统的硬件模块电路设计、控制系统的构成及核心控制算法的实现.在此基础上详细介绍了用于智能车直立控制、速度控制和方向控制的参数调试时简单易行的关键技术.经过反复多次的实验表明,本文设计的两轮自平衡车控制系统性能可靠,在车身保持直立平衡的同时能够沿着赛道快速平稳运行.     

基于CMOS摄像头的直立循迹智能车系统设计

设计了一种基于面阵CMOS摄像头传感器的直立循迹智能车系统。在硬件系统方面,自主设计了电源稳压电路和电机H桥驱动电路,并选用高性能测速模块,保障硬件系统的稳定与可靠。在软件设计方面,采用姿态融合算法进行智能车的平衡控制与速度控制,同时结合MT9V022摄像头获取环境信息实现转向循迹。在控制算法上利用位置式PID,使系统的稳定性和鲁棒性得到了很大的改善。最终实现智能车快速平稳运行。     

基于非平衡哈希树的平台完整性远程验证机制

为提高计算平台完整性度量的远程验证效率,提出一种基于非平衡哈希树的平台远程验证机制。平台可信实体的散列值以非平衡哈希树叶子节点的结构存储,远程验证时,查找度量实体对应的叶子节点,记录该叶子节点到根节点的验证路径,然后传递根节点和验证路径给验证方,最后根据验证路径重新计算根节点来验证度量值的有效性。实验结果表明,该机制能够有效降低散列值存储的空间和时间开销,完整性度量验证的时间复杂度为O(lb N)。     

面向不确定目标的多无人机协同搜索控制方法

目标搜索是多无人机协同控制的重要研究内容。多架UAV(Unmanned Aeiral Vehicle)同时对一个未知区域进行搜索,目的在于获取搜索区域的信息,尽可能多地发现目标。针对不确定目标的搜索问题,研究多无人机协同搜索控制的新方法。建立多UAV运动模型,用目标存在概率对搜索环境进行描述,给出基于Bayesian准则的搜索环境更新方法,考虑了环境探测回报、目标发现回报和无人机协同回报,采用MPC实现对多目标优化问题的迭代求解。通过仿真实验和对比分析,证明了该方法具有更好的搜索性能。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题,结合上采样算法SMOTE与Edited Nearest Neighbor (ENN)数据清洗策略,提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况,并针对采样后数据噪声问题进行ENN数据清洗,结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型,在AEEEM数据库上使用交叉验证对提出的方案进行性能评估,结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

基于数据场的SVM技术在雷暴预报中的应用

针对天气预报中样本不平衡造成漏报率高的问题,提出一种基于数据场的C加权支持向量机（SVM）技术。该技术对不平衡天气数据进行分类,采用叠加数据场势值作为数据重采样依据,筛选出最利于SVM分类器学习的样本作为训练样本,结合C加权方法进行训练。实验结果证明,在样本数量较多且不平衡性显著的雷暴天气中,该技术能缩减训练集规模,减少漏报,提升预报系统的g-means值。