基于访问数据模式的Cache缺失预测模型

为缓解SMT上线程对Cache的争用，提出了基于访问数据模式的Cache缺失预测模型ADM。使用模型对线程访存轨迹进行分析和计算，以两个线程在下一个时间片的访存地址信息作为模型的输入，预测Cache缺失情况并以此作为线程间Cache争用指标。 ADM实现了针对共享数据访问和私有数据访问两种模式的缺失计算方法，对比分析表明，ADM加入了对共享数据情况的分析过程，分别计算针对不同模式访存序列，结果更为精确，仿真试验表明，Cache缺失预测模型结果与目前同类模型的预测结果相比，误差分布在合理的范围内，当两个访存序列中有较多共享数据时，使用SMM方法计算结果将更为准确，证明了对访问模式进行划分的必要性。     

对空间碎片近距随遇悬停的控制方法及悬停燃耗分析

对空间碎片检视或抓捕操控中的悬停控制及燃耗问题进行了研究。通过C W方程，建立任务星近距随遇定点悬停控制模型，通过设计状态反馈控制器分析定点悬停的可控性以及推控要求，结果表明近距悬停需要与悬停位置相关的两个正交方向上的常值连续推力控制量，以及用于抵抗扰动的三轴向上的反馈变推力控制量。分析了近距随遇悬停的推控分系统配置，建立了长时近距随遇悬停的燃耗及燃耗速率的数学模型，最后分析了既满足安全距离需求、又满足悬停方位需求的最小悬停燃耗模型。     

硅半球深腔结构无损检测技术

半球深腔的加工质量是决定硅基MEMS半球陀螺精度的关键因素之一，及时检测半球深腔的形貌参数并将其反馈至加工过程，是确保高性能MEMS半球陀螺研制成功的重要措施。由于硅半球深腔的深度较大，台阶仪和光学显微成像系统无法对半球深腔的形貌特征进行有效测量。因此,需要将硅深腔结构剖开后采用扫描电镜(SEM)进行检测。这种检测方式时间周期长，且属于破坏性的样本检测，效率和测试精度都较低。提出以硅半球深腔为模具，利用PDMS铸模将硅半球深腔的结构尺寸和表面形貌转移到PDMS凸起的半球模型上，通过检测PDMS半球模型的尺寸结构和表面形貌，即可反推出硅半球深腔的尺寸特征。经实验验证，脱模后的PDMS模型可以准确地反映出半球深腔的尺寸信息，测量结果的不确定度小于5‰，有效解决了硅半球深腔无损检测的难题。     

厦门港口与产业集群互动发展研究

港口经济是厦门城市经济的重要组成部分,厦门港口与产业集群互动对于区域经济发展有着重要意义.文章分析了厦门主要港区、产业群及临港产业的发展现状,以灰色系统理论为基础从定量的角度分析了厦门港口与产业群互动发展关联状况.根据定性定量分析的结果,提出了促进厦门港口与产业集群互动发展的对策.     

热力学排气系统中节流效应及其冷量利用分析

为更好地理解热力学排气系统(TVS)的运行机理，优化其运行参数，针对节流装置，建立了热力学模型，讨论了节流过程中状态参数的变化规律，对比了单相气体、单相液体节流的性能特性，进一步揭示了焦汤节流效应的原理，分析了不同节流背压下节流前低温工质(液氢和液氧)压力和温度对节流性能的影响，并结合TVS实际应用，阐述了节流最大制冷量的利用效果，提出了优化的TVS工作区间。研究表明：在节流过程不发生相变情况下单相气体节流制冷效应要比单相液体节流制冷效应更加显著；而在节流过程发生相变情况下液体节流至两相后，由于空化吸热导致流体温度降低，对于液氢，0.5MPa的压降可产生接近3 K的温降。对于液体节流，节流前压力对节流过程影响可忽略，〖JP2〗而节流前温度和节流背压对节流过程起主导作用；对于液氢在在轨运行工况下，考虑到节流制冷量的充分利用，同时保证换热过程体积含气率不高于90%，推荐TVS系统中节流背压范围为75～143 kPa。     

低速大转矩永磁游标电机在发酵罐中的应用

采用秸秆生产丁醇时,为了达到高效率发酵,需要使发酵液中菌体分布均匀,所加物料需要及时搅拌。工业化生产丁醇的发酵罐尺寸较大,搅拌过程对驱动电机的输出转矩要求较高,因此高效率、小体积、低速大转矩的秸秆发酵搅拌电机对工业化发酵生产丁醇意义重大。设计了一种定转子永磁游标电机用于发酵液搅拌,并对电机的槽极数、电磁性能进行了具体的研究。制造样机并采用滞环控制实现了对液态发酵对象的快速响应,且实现了低能耗、高效率的发酵过程。     

A shortcut to marking 3D target curves on curved surface via a galvanometric laser scanner

Marking arbitrary three-dimensional(3D) target curves on given objects with curved surface is required in many industrial fields, such as fabric prepreg placement in composite material part fabrication, product assembly, surface painting for decoration, etc. A shortcut to the solution of this intractable problem is proposed by utilizing a galvanometric laser scanner(GLS) with the aid of a camera. Without using the existing tedious GLS calibration procedures,the proposed method directly establishes a mapping between the 3D coordinates of the laser spots on the object surface and the control voltages of the scanner. A single-hidden layer feedforward neural network(SLFN) is employed to model the mapping. By projecting a dense grid of laser spots on the object to be marked and simultaneously taking only one image, the SLFN model is trained in minutes via a linear solving mechanism. Experiments demonstrate that the trained SLFN model has a good generalization performance for marking 3D target curves. The 3D laser marking errors on experimental objects are less than 0.5 mm. The proposed method is especially suitable for on-site use and can be conveniently extended to multiple GLSs for marking large complex objects.