Using the radial basis function neural network to predict ionospheric critical frequency of F2 layer over Wuhan

Neural networks (NNs) have been applied to ionospheric predictions recently. This paper uses radial basis function neural network (RBF-NN) to forecast hourly values of the ionospheric F₂ layer critical frequency(f_oF₂), over Wuhan (30.5N, 114.3E), China. The false nearest neighbor method is used to determine the embedding dimension, and the principal component analysis (PCA) is used to reduce noise and dimension. The whole study is based on a sample of about 26,000 observations of f_oF₂ with 1-h time resolution, derived during the period from January 1981 to December 1983. The performance of RBF-NN is estimated by calculating the normalized root-mean-squared (NRMSE) error, and its results show that short-term predictions of f_oF₂ are improved.     

拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

互联网上计算机时间传递系统设计方案及实验结果分析

计算机互联网的发展,使信息的传递更加方便、快捷。在时间频率用户中,中、低准确度的用户占很大比例,计算机互联网时间传递已经成为一个重要的手段。中国的网络授时系统从２０００年１月开通以来,近万人访问了授时网站ｈｔｔｐ：／／ｋｘｚｈ．ｓｘｓｏ．ａｃ．ｃｎ或其镜像站点ｈｔｔｐ：／／Ｂｅｉｊｉｎｇｔｉｍｅ．１２６．ｃｏｍ。介绍了国家授时中心网络授时系统的设计要点,给出了网络授时传递时间准确度的测量方法,分析了网络授时实验结果。     

基于室内无线模型的穿墙损耗校正

K-M（Keenan-Motley）模型将单墙固定损耗值相加来计算室内无线信号穿透多墙的总损耗值,存在较大误差。针对该问题选取多种室内场景分别进行连续波（Continuous Wave,CW）测试,对无线信号穿墙损耗的影响因素和变化规律进行分析,提出了一种基于人工神经网络的室内无线模型穿墙损耗校正方法,对预处理后的测试数据进行训练并建立预测模型。经验证该预测模型符合校正判别准则,在实际场景下具有良好的预测准确度。     

基于马鞍形磁场的永磁直线电机位置解算方法

针对直线电机转子位置检测低成本和较高精度的要求,提出了一种基于马鞍形磁场来获得位置信息的方法及实现过程。分析了永磁体表面的磁场分布特征,指出了利用马鞍形磁场分布曲线来解算位置信息的优点,提出了根据马鞍形磁场推算位置信息的算法流程:先测得错开相位的2条马鞍形曲线数据,划分为4个象限后建立数据库;位置检测时,运用区间搜索算法寻得实际角度所在区间;再根据精度要求,采用合适的插值算法计算得到待解算的角度。仿真结果表明:基于马鞍形磁场的位置解算,能较好地得到直线电机转子的位置信息。     

CAN总线在电液伺服阀性能测试系统中的应用

伺服阀性能测试系统中,测控电路和计算机间的模拟信号传输易受外界干扰,而把信号以数码形式通过CAN总线传输的方法,可以彻底消除外界干扰问题,还能提高系统的性能和可靠性。介绍了CAN总线硬件电路、程序设计及CANopen通讯协议的实现,讨论了CAN总线在测试系统上的实际应用。     

基于人工智能技术的雷达目标检测

强杂波背景下的目标检测是各国争相研究的热点,传统的雷达目标检测技术无法实现,人工智能技术的出现,其在目标识别和特征提取方面的独特优势,使得强杂波背景下的目标检测成为可能,利用人工智能神经网络的强大非线性预测能力对海杂波的非线性动力方程进行逼近,实现了对海杂波的非线性预测,提出了一种基于神经网络技术的强海杂波背景下的脉冲多普勒雷达导引头小目标检测方法,使得强海杂波背景下的目标检测能力有2 dB到6 dB的提升。     

科技期刊信息化建设的思路与实践

面对信息化时代带来的机遇和挑战,科技期刊如何应对,以适应潮流的发展,满足更多科技工作者的需求,抓住广大读者的需求,近而提升科技期刊的影响力。文章通过对《航天器工程》期刊编辑部信息化建设和网络建设,结合实践经验,对科技期刊信息化建设进行了分析。     

战斗机燃油系统流体网络的数值计算

论述了战斗机燃油系统自供能源式流体网络的组成及工作原理，并对流体网络中的关键部件燃油增压泵，液动涡轮泵及射流泵等数学建模，而构成自供能源式流体网络的计算模型。在此基础上，通过分析几种状态下流体网络的工作情况，提出了计算仿真流体网络中流量与压力分布的方法，并对计算结果进行了分析和总结。     

基于动态RBF网络的发动机起动过程模型辨识

针对航空发动机在起动过程中各截面气流处于亚临界状态 ,难以利用传统的气动热力学方法进行建模的问题 ,本文利用发动机地面试验数据作为学习样本 ,采用动态径向基 (RBF)神经网络的方法 ,建立了航空发动机起动过程动态模型。仿真结果表明 ,利用该方法建立的发动机模型具有动态性好 ,精度高的优点 ,开辟了发动机中小转速建模的新途径