|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
一種浮置板軌道系統(tǒng)中的隔振器及其工作參數(shù)的確定方法
本發(fā)明公開(kāi)一種浮置板軌道系統(tǒng)中的隔振器及其工作參數(shù)的確定方法，位于浮置板軌道系統(tǒng)的浮置板與軌道基礎(chǔ)之間，包括并行設(shè)置的鋼彈簧、阻尼液和可控庫(kù)侖阻尼件；在不考慮庫(kù)侖阻尼的情況下，建立車輛?浮置板軌道耦合動(dòng)力學(xué)時(shí)域分析模型，以浮置板和鋼軌最大垂向振動(dòng)位移為控制指標(biāo)，確定不考慮庫(kù)侖阻尼時(shí)的浮置板最小支承剛度Ka，再結(jié)合不考慮庫(kù)侖阻尼時(shí)浮置板最小支承剛度工況下的浮置板垂向振動(dòng)位移時(shí)程曲線特征，確定浮置板的位移閾值，確定庫(kù)侖阻尼力大小及其工作時(shí)段，最后，運(yùn)用車輛?可控庫(kù)侖阻尼隔振器浮置板軌道耦合動(dòng)力學(xué)時(shí)域分析模型，算出有庫(kù)侖阻尼情況下的浮置板最小支承剛度Kb。可以有效提高傳統(tǒng)鋼彈簧浮置板軌道的隔振效率。
西南交通大學(xué)
2018-09-18
.jpg){kind=logo}
一種基于二維 FFT 處理器的行轉(zhuǎn)置架構(gòu)設(shè)計(jì)方法
本發(fā)明公開(kāi)了一種二維 FFT 處理器的行轉(zhuǎn)置架構(gòu)，具有以下特點(diǎn)：FFT 處理器包含片上行轉(zhuǎn)置存儲(chǔ)器，用于保存圖像行變換結(jié)果。當(dāng)行變換結(jié)果超過(guò)該片上存儲(chǔ)器容量時(shí)，每行變換結(jié)果的前 2k 個(gè)數(shù)據(jù)寫入片上行轉(zhuǎn)置存儲(chǔ)器，剩余數(shù)據(jù)寫入片外 SDRAM，k 根據(jù)行變換結(jié)果和片上行轉(zhuǎn)置存儲(chǔ)器容量計(jì)算得到。此時(shí)，將片上行轉(zhuǎn)置存儲(chǔ)器一分為二，記為存儲(chǔ)器 A、B，用于保存行變換部分結(jié)果以及暫存片外SDRAM 讀出數(shù)據(jù)。在從存儲(chǔ)器 A 或
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
高速棒線材控軋控冷過(guò)程組織演化模擬及性能預(yù)報(bào)
高速棒線材軋制產(chǎn)品質(zhì)量控制的關(guān)鍵是采用合理的軋制及軋后冷卻工藝，決定棒線材使用性能的主要因素是軋制過(guò)程奧氏體的晶粒度變化規(guī)律及軋后冷卻過(guò)程的組織演化規(guī)律（如鐵素體、珠光體等在冷卻過(guò)程的組織演化行為）。高速棒線材軋制過(guò)程中存在的主要問(wèn)題是由于軋制及冷卻工藝不合理導(dǎo)致的產(chǎn)品性能不穩(wěn)定或不合格。本項(xiàng)目根據(jù)物理模擬及定量組織分析，建立彈簧鋼控軋控過(guò)程的組織演化動(dòng)力學(xué)模型，結(jié)合剛塑性有限元法及人工神經(jīng)網(wǎng)絡(luò)算法，建立了智能化彈簧鋼控軋控冷過(guò)程組織性能預(yù)測(cè)系統(tǒng)。該系統(tǒng)對(duì)實(shí)際生產(chǎn)中工藝優(yōu)化具有重要指導(dǎo)意義。
北京科技大學(xué)
2021-04-11
.jpg){kind=logo}
4LZ(Y) 2.0Z 型切縱流油菜聯(lián)合收割機(jī)
項(xiàng)目簡(jiǎn)介 該機(jī)將切流脫粒和縱軸流復(fù)脫分離裝置有機(jī)結(jié)合，形成先易后難的順序脫粒，實(shí)現(xiàn) 了高脫凈率和低破碎率、脫出物雜余少，作業(yè)順暢、無(wú)堵塞；研發(fā)的清選仿生不粘篩有 效解決了潮濕油菜脫出物在篩面粘篩堵孔的難題，提高了機(jī)器的清選性能；提出了基于 灰色預(yù)測(cè)自適應(yīng)模糊控制的聯(lián)合收獲機(jī)作業(yè)速度多信息融合控制算法，開(kāi)發(fā)了油菜聯(lián)合 收獲機(jī)作業(yè)速度智能控制裝置。整機(jī)作業(yè)性能好、效率高，操縱方便。經(jīng)鑒定，該機(jī)的 主要技術(shù)指標(biāo)達(dá)到國(guó)際先進(jìn)
江蘇大學(xué)
2021-04-14
轉(zhuǎn)差型異步電動(dòng)機(jī)矢量控制變頻調(diào)速裝置
本項(xiàng)目為異步電動(dòng)機(jī)高性能運(yùn)行的變頻控制裝置，調(diào)速范圍1:100，實(shí)加負(fù)荷的最大動(dòng)態(tài)速降小于0.5%，動(dòng)態(tài)恢復(fù)時(shí)間0.1秒。功能完善，可應(yīng)用于惡劣環(huán)境下，可靠性高。該項(xiàng)目獲冶金部科技進(jìn)步四等獎(jiǎng)。
北京科技大學(xué)
2021-04-11
.jpg){kind=logo}
永磁同步電機(jī)無(wú)差拍直接轉(zhuǎn)矩控制系統(tǒng)及控制方法
本發(fā)明公開(kāi)了一種永磁同步電機(jī)無(wú)差拍直接轉(zhuǎn)矩控制系統(tǒng)及控制方法，解決了永磁同步電機(jī)采用傳統(tǒng)矢量控制或直接轉(zhuǎn)矩控制分別帶來(lái)的轉(zhuǎn)矩響應(yīng)較慢和轉(zhuǎn)矩紋波較大的問(wèn)題。本發(fā)明方法根據(jù)永磁同步電機(jī)電壓、電流、磁鏈、電磁轉(zhuǎn)矩的關(guān)系，在離散狀態(tài)下利用數(shù)值積分原理構(gòu)造了一種狀態(tài)觀測(cè)器，同時(shí)引入ＰＩ調(diào)節(jié)器消除觀測(cè)誤差，實(shí)現(xiàn)了對(duì)下一控制周期系統(tǒng)狀態(tài)的準(zhǔn)確預(yù)測(cè)，基于該觀測(cè)器建立永磁同步電機(jī)無(wú)差拍直接轉(zhuǎn)矩控制系統(tǒng)，在保持轉(zhuǎn)矩響應(yīng)快的同時(shí)減小了轉(zhuǎn)矩紋波，提高了永磁同步電機(jī)運(yùn)行性能。
東南大學(xué)
2021-04-11
基于光譜擬合與差分算法的光纖傳感動(dòng)態(tài)信號(hào)解調(diào)方法
本發(fā)明公開(kāi)了一種基于光譜擬合與差分算法的光纖傳感動(dòng)態(tài)信 號(hào)解調(diào)方法，包括：掃描得到光譜紋波；對(duì)光譜紋波進(jìn)行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進(jìn)行差分處理獲得差值信號(hào)；對(duì)光譜 紋波的極值點(diǎn)進(jìn)行擬合獲得上下邊緣包絡(luò)曲線；對(duì)上下邊緣包絡(luò)曲線 進(jìn)行差分處理獲得光譜變化函數(shù)，將差值信號(hào)與光譜變化函數(shù)進(jìn)行歸 一化處理，獲得去包絡(luò)后差值信號(hào)，根據(jù)掃描速度和初始波長(zhǎng)將波長(zhǎng) 換算為時(shí)間，獲得去包絡(luò)后時(shí)域動(dòng)態(tài)信號(hào)。本方法對(duì)紋波光譜及其擬 合曲線進(jìn)行差分獲得動(dòng)態(tài)信號(hào)，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動(dòng)態(tài)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法
本發(fā)明公開(kāi)了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測(cè)模 型；步驟 3，根據(jù)待預(yù)測(cè)圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測(cè)模型即可獲得待預(yù)測(cè)圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡(jiǎn)單，高效，無(wú)需消耗較大的硬件
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要?jiǎng)?chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過(guò)具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過(guò)在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。
主要技術(shù)指標(biāo)
不同數(shù)據(jù)集下的訓(xùn)練樣本與測(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見(jiàn)表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。
表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量
表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學(xué)
2023-03-22
一種低噪聲差分前置放大電路及放大器
本發(fā)明公開(kāi)了一種低噪聲差分前置放大電路及放大器，低噪聲差分前置放大電路采用差分輸入輸出電路，對(duì)整體電路的噪聲性能起主導(dǎo)作用。由 Q1、Q2、Q3、Q4 四個(gè)并聯(lián)的 NPN 型晶體管對(duì)管和 Q5組成共射—共基放大電路。在 Q1、Q2、Q3、Q4 的基極引入無(wú)噪聲偏置電路。由電阻 R11、R16 和電容 C5 組成的電路為 Q5 提供基極偏置電壓。儀用放大器 U1、U2 對(duì)差分信號(hào)進(jìn)行放大。通過(guò)電阻 R2L(R2R)和
華中科技大學(xué)
2021-04-14