关于非法科院校学生法治理念的培养

法治理念是对法治的理性认识,是对良好法律秩序状态的精神追求。非法科院校法律教育应重在培养学生的法治理念。为此目的,有必要在法律训导和法律教学的基础上寻求培养方式的多样化。     

基于虚拟仪器技术的发动机网络化试车测试系统设计

介绍虚拟仪器技术在发动机试车过程中的具体应用,以LabVIEW软件为平台实现信号的采集、分析、处理和显示。该系统通过网络实现数据共享,各个上位机根据自己的需要获取不同的数据,然后通过软件处理,实现对发动机试车过程的实时监控。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

多自由度动量交换技术研究的新进展

航天器三轴姿态控制常用的多飞轮控制方案中,反作用飞轮的单自由度动量交换属性使系统的功能重复部件和冗余件数目增多,严重影响了姿控系统的重量、体积、功耗及成本;由于原理和结构的限制,传统多自由度动量交换技术无法充分发挥其“多自由度”的固有优势,而新型多自由度动量交换技术的研究与发展则为这一优势的发挥提供了空间。本文综述了国内外多自由度动量交换技术研究的新进展,分析了其特点、关键技术和研究方向,并展望其应用前景。     

吉时利2750在真空热试验测量系统中的应用

真空热试验测量系统是空间环境模拟设备的重要分系统.文章对真空热试验测量需求进行了简单介绍,对采用吉时利2750数字多用表实现的1000点测量系统进行了说明,主要包括:测量系统的结构设计和通讯方式选择、测量信号输入多路转换开关的选择、测量信号输入分线箱设计,提出了一种多主机并行的快速测量方法,并给出了测量参数.应用结果表明:该系统运行稳定可靠,测量数据准确无误.     

PLC构成电梯控制系统特性分析

分析了电梯的负载特性,阐述了采用梯形加速曲线的电梯理想速度曲线,结合变频器和PLC的性能,论述了电梯控制系统的构成和工作特性,以及电梯速度曲线产生的方法,归纳了由PLC构成的控制系统软件设计的特点。     

基于高速存储平台的高性能RS编译码器设计

目前,星载高速存储设备中采用商用RS编译码IP核来实现数据纠错功能,能够实现的编译码最高速率为800 Mbps,只能依靠多个IP核同时工作达到吉比特高速数据存取速率的要求。星载存储数据发生错误的主要原因是存储区单粒子翻转和存储介质本身特性产生的单比特数据错误。针对星载存储数据的误码特性,本文提出一种RS编译码改进算法,通过对编码算法中的剩余多项式及译码算法中的伴随多项式进行降次处理,减小编译码过程中运算的迭代次数及计算量,以及对编译码算法中的基本运算单元有限域乘法器采用子项复用技术,实现对传统RS编译码算法的改进。结果表明改进后的编译码器能达到最高数据速率为10.5 Gbps,编码器资源较单个商用IP核减少15%,译码器资源减少40%,能够满足后续高速存储平台的应用要求。     

电磁测力系统研究

介绍了电磁测力系统中静磁场分析与优化、通电线圈位置控制方法及提高线性度的自校准方法。运用Maxwell 3D进行仿真计算,得到了相对优化的磁密及磁均匀性,通过控制通电线圈在磁场中位置及分段线性微分技术,提高了电磁测力准确度。构建了试验装置,对比试验数据表明,该研究措施对于提高电磁测力准确度取得了较好效果。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.