基于多相正交序列移位序列的CDMA通信系统

介绍多相正交序列的构造方法,对多相正交序列的自相关和互相关特性进行分析。提出采用多相正交序 列的移位序列作为扩频序列的通信方式,并给出接收端序列同步的实现方法。这种方式能解决低相数多相正交序列互 相关特性不理想,而高相数多相正交序列难以搜索的困难。     

精密加工中切削方向毛刺生成机理的研究(英文)

金属切削毛刺是切削加工中产生的常见现象之一。本研究以金属切削实验为基础 ,对二维精密切削中切削方向毛刺的形成过程、主要影响因素及其变化规律进行了系统的实验研究和相应的理论分析 ,结果表明 :( 1 )切削方向毛刺形成过程为正常切削、挠曲变形、弹性效应、继续切削和剪切断裂分离 ;( 2 )发现了切削方向毛刺形成过程中的切屑与工件表面剪切断裂分离的特殊现象 ;( 3)切削方向毛刺尺寸和形态随着切削条件和刀具几何参数的变化而变化。     

甲烷控制碳势的研究

 从炉气的非平衡角度,研究了常用渗剂的热分解特性,炉气各组分与碳势间相互关系等。试验表明:碳势和甲烷含量间有密切的线性关系,甲烷作为控制参数是可行的,而且乙酸乙酯最好采用甲烷参数控制。当以甲醇和乙酸乙酯为渗剂,甲烷参数自动控制时,碳势的控制精度及重现性均可达到较高水平,其碳势控制精度小于±0.03％。     

粘性不可压缩流动三维复杂流场分块耦合求解

提出了一个粘性不可压缩流动三维复杂流场的分块耦合求解方法。可解决科学和工程计算中的各种稳态和瞬态粘性不可压缩流动计算问题。     

卷帘行存储下的一种并行Cholesky分解及其在PAR95上的实现

Ｃｈｏｌｅｓｋｙ 分解在科学与工程计算中占有重要的地位,串行的 Ｃｈｏｌｅｓｋｙ 分解已有成熟的方法,但并行的 Ｃｈｏｌｅｓｋｙ 分解方法要充分考虑机器体系的结构,在拥有共享内存的 Ｍ Ｉ Ｍ Ｄ 型多处理机、 Ｓ Ｉ Ｍ Ｄ 型向量机系统上前人已有较好的工作,本文给出适用于 Ｍ Ｐ Ｐ 大规模并行计算机的卷帘行存储行格式的并行 Ｃｈｏｌｅｓｋｙ 分解算法,该算法使用了优先计算优先发送的策略,减少了结点机之间相互等待的时间,建立了结点机之间用于通讯的通讯数组,避免了使用撒播这一通讯模式,减少了通讯时间,通过在 Ｐ Ａ Ｒ９５ 上的数值试验表明,随着问题规模的扩大,并行效率越来越高,并且该法容易推广到多行卷帘存储的形式。     

藜蒿中绿原酸溶剂提取方法研究

应用醇溶剂回流法提取藜蒿中绿原酸，通过正交试验，对藜蒿中绿原酸进行溶剂提取条件的优化研究，并分剐讨论了各因素对绿原酸提取率的影响。实验表明，乙醇浓度70％、12倍的提取剂用量、温度85℃、提取时间4h、提取两次为乙醇溶剂提取藜蒿中绿原酸的最佳条件，总绿原酸提取率为1.24％。     

基于EMD与切片双谱的轴承故障诊断方法

针对轴承故障诊断问题,提出一种基于经验模态分解(EMD,Empirical Mode Decomposition)与切片双谱分析相结合的新方法.将原始信号分解成不同尺度的固有模态函数(IMF,Intrinsic Mode Function),求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率.通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小.给出了6205-2RS JEM SKF轴承诊断实例,说明了该方法的可用性.     

超塑变形对TC4 室温力学性能的影响

在T=880℃和ε=9.8 ×10-4 s-1下,进行了TC4圆筒件超塑成形试验,研究了超塑变形量对TC4室温强度、疲劳性能和金相组织的影响.结果表明:随着变形量的增加,晶粒尺寸增大.当超塑胀形延伸率e为55％时,晶粒尺寸由供应态的约8μm增加为约20 μm.随着e增加,TC4室温下的屈服强度、抗拉强度和条件疲劳强度降低.当e为55％时,材料的屈服强度、抗拉强度下降约7％;循环周期为106下的疲劳强度下降约10％.     

基于阻塞流的机场终端区极限容量评估研究

为确定机场终端区最大容量保障能力,即极限容量,从终端区运行特点分析出发,综合考虑进离场航线长度、飞行速度、管制间隔等因素,构建进离场网络流模型,并以跑道Pareto容量包络线作为约束,分析进离场航线网络与跑道的耦合关系,建立基于阻塞流的机场终端区极限容量评估模型。以杭州萧山机场终端区为例,验证了模型的可行性和准确性,并借助模型分析了不同流量控制策略下终端区容量包络线的变化趋势。研究表明,随着移交间隔变大,终端区容量包线有内移的趋势,进场容量由33架次/h逐步降为25架次/h。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。