城市复杂道路网的路线规划算法

迪杰斯特拉算法解决了图论中的最短路问题,但对于城市中包含禁左行、禁右行、立交桥等的复杂道路网的路线规划,该算法存在不足。文中给出复杂道路网的数据模型,在分析迪杰斯特拉最短路线搜索算法的基础上,针对城市道路的特征,提出一个改进的路线规划算法,该算法根据当前搜索顶点的入度数,对其进行多次标记,同时对进入该顶点的边进行标记。仿真试验的结果证明了该算法的正确性:在存在交通限制的情况下,也能规划出最优路线。     

测时的定时方式及其在阿仑方差测量中的应用

众所周知,阿仑方差是按无间隙双采样定义的。但实际测量时由于计数器的死区时间,使得无间隙采样十分困难。在很多场合只好用有间隙采样做阿仑方差,然后用巴勒斯偏函数加以修正,其繁杂程度是可想而知的。提出的测时定时方式巧妙地利用了微机定时技术及微机高速数据采集处理的特点,以最少的硬件实现了严格的无间隙阿仑方差测量,其性能价格比远优于一般的计数器方式,具有很大的实用价值。此外,这种方式还能用于一般的时间测量,它有可能发展成一种新的、高性能价格比的智能计数器。     

超燃冲压发动机二维进气道优化设计方法研究

建立了超燃冲压发动机二维进气道的优化设计模型，运用优化设计方法对三楔角外压和二楔角内压的混压式进气道进行不同约束条件下的一维优化设计。运用数值方法对进气道的优化设计进行了二维验算，验证了优化设计模型及设计方法的正确性。在此基础上将数值计算方法应用于进气道的二维优化设计，进一步提高了进气道的性能。该方法可进一步推广应用于包含三维、真实气体流动的进气道优化设计当中。     

经济信息

2009年锦泰宝马杯高尔夫精英赛在成都完美谢幕11月25日,2009年锦泰宝马杯高尔夫精英赛在麓山国际乡村俱乐部完美谢幕。本次高尔夫精英赛专为蓉城BMW车主量身打造,除设置了总杆冠军、净杆冠、亚、季军、最远距离、最近旗杆、幸运奖外,为增加比赛的乐趣及挑     

基于STEP和改进神经网络的STEP-NC制造特征识别方法

特征识别是实施STEP-NC重要的一步，也是实现开放式、智能化和网络化STEP-NC数控系统的关键。本文提出了一种基于STEP和改进神经网络的STEP-NC制造特征识别方法。该方法首先在对STEP AP203中性文件进行几何拓扑信息提取后，基于边的凹凸性判断构建了零件最小子图。然后，将混沌算法、遗传算法与BP神经网络算法有机相结合提出了改进的BP神经网络。最后，通过将获得的零件模型最小子图信息数据输入到改进的BP神经网络，实现了对STEP-NC制造特征高效精准地识别。通过实例验证了该方法的有效性和可行性。     

网络化制造中资源优化配置的方法研究

针对网络化制造对于制造资源配置的新要求 ,研究了制造资源建模、网络化招投标、数据安全与保密、层次分析模型等相关技术 ,运用JSP +JavaServlet+JavaBean解决方案实现了一个基于网络化产品招投标的制造资源优化配置平台。为用户提供了权限管理、招投标信息管理、制造资源配置信息管理、历史记录管理和查询等多项功能服务     

图论中最短路径问题的解法

图论在解决运筹学、网络理论、控制论等领域的问题中显示出优越性。特别是最短路径问题被广泛的应用在工程、运输等方面，尤其在运筹学模型中最短路径问题已是不可缺少的一种方法。因此就其运算解法进行了编译，并用VC 、Madab两种程序完成其算法以寻求较快捷的解法。     

基于Huffman最优二叉树支持向量机的舱音记录器背景信号识别

飞行器舱音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成.目前国内对该类信号的分析和辨别主要是计算机译码后利用人耳进行辨听,存在不易准确分辨各种独立声音信号的缺点.针对舱音信号是一种非平稳性的时频信号,提出了基于多尺度最优小波包基的CVR背景信号特征提取算法,将10种典型信号进行小波包分解,以分解得到的子带能量作为信号初始特征,再根据类间最大距离准则选取最优小波包基,从而确定待识别信号最具有代表性的特征向量,最后基于Huffman最优二叉树支持向量机进行CVR背景信号分类.仿真实验结果表明,该方法的平均识别率为94.62%,可以应用于CVR背景声音信号的自动识别.     

火场中电梯疏散失败的FTA分析与探讨

通过对火灾导致电梯疏散失败的故障树的建立与分析,计算了导致顶事件发生的最小割集与最小径集,以及影响顶事件发生的结构重要度和割集重要度。并由此提出了火灾情况下降低电梯运行风险,提高可靠性的相关措施。为火灾情况下利用电梯进行疏散的可靠性提供了参考依据。     

呈现：在离奇与真实之间

在日常生活中,人们常常会听到一些很奇怪的、不合常规的、离奇的甚至是不可思议的故事。有些是从自己周围的人那儿听到的,有些甚至是当事人亲眼看到的,也有的是从大众媒体比如报纸、杂志、广播、电视等了解到的。现在,在因特网上有更多的消息传播,一些闻所未闻的故事会在其中经常被报道,这种情况相信是大多数读者都比较司空见惯的,有时也会见怪不怪。但细究起来,这些故事往往会让人不可思议和难以理解,有时甚至会让人为之吃惊和目瞪口呆。在这个时候,人们往往就会产生疑问:这样的事情到底是如何发生的?为什么会发生这样的事情?而同时我们又…