基于DSP的航空测试交流电源

介绍了一种基于DSP的航空测试交流电源.该交流电源不仅能够输出飞机交流用电设备在不同工作状况下的频率幅值可调的正弦电压,而且能够输出周期性畸变电压.该电源采用数模混合控制及重复控制方法,数字部分实现高精度的波形发生器和电压有效值控制;模拟部分采用电压电流瞬时值控制,提高响应速度.最后给出测试波形.     

基于DSP的GT111船用燃气轮机控制器设计

分析并提出了GT111船用燃气轮机三余度热备份控制方案.选用了TI公司2000系列DSP中最新最先进的TMS320F2812芯片构成核心控制器,介绍了单机模块的系统组成和结构特点,以及系统的数据通讯等.     

ASL3000集成电路测试系统的检定方法

介绍了ASL3000集成电路测试系统的检定方法.通过分析该测试设备的特性,对线性信号、数字信号、混合信号、射频信号、基带信号模块的检定,采用自带通用仪表和检定程序实现;对于自带仪表的检定,则通过定期送检,溯源到国家标准.     

基于SE模块改进Xception的动物种类识别

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation）模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。     

全站仪检测数据管理系统

介绍了全站仪检测数据管理系统。本系统以FoxPro for Windows为基础,采用模块结构,具有对检测数据录入修改,自动转换,成果计算,查询显示等功能,实现了系统数据管理和处理的一体化。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征;其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力;最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

机载核心处理平台与网络技术的应用前景

微电子技术的高速发展,为机载核心处理平台的技术进步提供了强有力的支撑。本文从机载核心处理平台及网络的“随需安装”、多核处理器技术应用、高安全操作系统技术、机载信息安全技术、可重构计算技术、机载网络技术以及新型散热技术等方面,探讨了机载机载核心处理平台与网络技术的应用前景。     

某三余度计算机及其接口模块工作模式设计

对于大型无人机系统来说,三余度电传飞控系统具有最合理的性价比。介绍某大型无人机三余度飞控计算机系统的总体设计和实现方案。系统采用相似三余度容错结构,通过高速交叉通道数据链和同步技术保证不同余度之间控制输出的时间和空间一致性。为增强系统处理能力,采用智能接口模块分担主CPU的工作,智能接口模块具有独立的BIT功能,采用双口存储器实现与处理器模块信息交互,硬件接口支持软件动态可配置。     

基于模块的飞机产品结构管理研究

飞机研发是一项大型的系统性工程,传统的飞机产品结构由于零组件数据集包含有二维图纸、三维模型、临时更改单等大量文档且更改较频繁,同时制造、维修等部门在工程数据重构中存在工作量大和转换易脱节等特点,导致产品数据管理异常复杂和困难,效率也较低。为了简化飞机产品结构管理方式,在借鉴国际主流飞机制造商经验的基础上,通过结合模块化理论和全三维设计手段。以某一型号的民用飞机为例,重点从产品结构的组织模式、数据集的构成、产品数据的更改规则对该管理方案进行了阐述。从而保证了构型数据管理的便捷性和准确性,也符合未来飞机产品研发全数字化的发展方向。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。