基于模板技术的GUI编程

主要介绍了C 泛型编程技术在GUI开发领域所使用的WTL技术.从模板的基本概念入手,介绍了ATl/WTL技术的基础概念,并且从WTL的窗口实现和消息处理机制两个方面分析了其实现原理.还简单介绍了WTL在WINDOW平台下开发应用程序的过程以及自绘制按钮的开发.     

基于终端滑模的无人机编队协同控制

文章研究了具有输入受限及外部干扰的无人机编队有限时间协同控制问题。首先,引入抗饱和辅助系统来解决执行器的饱和问题,利用自适应方法对扰动上界进行估计和补偿;然后,设计新型全局快速终端滑模的控制器,使得编队内各无人机在有限时间内收敛到指定的编队位置,并通过李雅普诺夫稳定性分析方法,证明控制方法的有效性;最后,对提出的控制方法进行数字仿真,验证了实际可行性。     

高校英语教师词汇磨蚀调查分析

本研究以某省8所高校53名英语教师为研究对象,采用问卷调查和访谈相结合的方式,考察英语教师的词汇磨蚀情况。研究表明:(1)大学英语教师的词汇保持情况低于英语专业和兼英语专业课程的大学英语教师,即词汇受到了磨蚀;(2)二语输入难度降低和学生语言能力偏低是引发大学英语教师词汇磨蚀的重要因素。     

利用比力多重积分作为输入信号的捷联导航算法

本论文提出了异于传统的推导捷联导航算法的方法，现在常用的仍然是传统的推导方法，且不久前Paul Savage做过总结(Savage，P．G，“Strapdown Inertial Navigation Integration Algorithm Design Part2：Velocity and Position Algorithms”，Journal of Guidance，Control，and Dynamics，V01．21，No．2，1998，PP．208—221．)。新方法的要点是利用了额外的加速度计的输出信号，它是比力多重积分在迭代周期的增量。由此产生了比力转换算法新的家族，它有效地消弱所谓的假振摆效应(它在线性振动和高频陀螺仪误差存在时产生)，以较低的速度计算且无须采用抗混叠预滤波。     

排故中的QAR数据使用

作为记录航空器系统参数的重要附件,机载快速存取记录器(QAR)已经得到了广泛的应用。本文通过实例,阐述了维修人员利用QAR数据在飞行中进行排故的一些常用方法。     

BP神经网络辨识发动机模型

<正>神经网络应用于系统辨识时,与传统的基于最小二乘算法的辨识方法相比较具有以下几个鲜明的特点,这也是BP神经网络具有的特点。(1)不要求建立实际系统的辨识格式。故可省去对系统阶次确定这一步骤,神经网络本质上已作为一种辨识模     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

基于饱和方法的轮式移动机器人的跟踪及调节控制

研究了有输入饱和限制的轮式移动机器人的全局镇定及跟踪控制.基于串接-反步方法及引入一种运动学振荡器,设计了一统一的连续时变状态控制器,可同时实现机器人的轨迹跟踪和定点调节控制,并使跟踪误差全局渐近收敛于零点附近的一小邻域内.仿真结果证明提出的控制器有效.     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。     

一种用于专利主题词抽取的模板自动生成方法

专利主题词是用以表述发明或实用新型名称的技术关键词,专利主题词的抽取是专利技术方案信息抽取的第一步,是填充信息抽取结果模板的有效依据和填充子之一。将信息抽取技术应用于中文专利摘要文本,在充分分析了专利摘要文本和专利标题特点的基础上,采用无指导的方法构建信息抽取模板,进而完成专利主题词的抽取。实验表明,该方法获得了较好的抽取效果。