界面周期刚性线夹杂附近的纵向剪应力

研究了不同材料界面含周期刚性线夹杂的纵向剪切问题.利用复变函数方法,获得了封闭形式解,并用于计算了刚性线端的应力奇异因子,研究了刚性线之间的应力干涉问题及刚性线夹杂场量的尺度效应.从解答的特殊情形,可导出一条界面刚性线问题及均质材料中共线周期刚性线问题的解答.      

一种全集成化的温补晶体振荡器

介绍了一种全集成化的温度补偿晶体振荡器 (以下简称温补晶振 )的原理及应用。它采用三次函数电压发生器得到温度补偿电压 ;采用软件的方法实现频率的自动调整。由于采用这种新的补偿方法 ,使得它便于集成化 ,因此它具有体积小、功耗低的优点。其输出信号的频率稳定性可在宽温范围 (- 30℃～ + 85℃ )下达到± 1× 10 - 6 。基于这些优点 ,这种集成温补晶振可在对体积和功耗要求严格的领域 ,尤其是在便携式设备中得到广泛的应用。     

基于双GPS接收机的精密定向研究

GPS定位系统除了可以进行定位、测速和授时外 ,还可以利用两个或多个GPS测量值进行方位测量和三轴姿态测量。文章对利用两块GPSOEM板同步接收的载波相位观测量来精密测定方位进行了深入研究。首先利用载波相位的双差观测方程 ;再根据两个天线间距离已知这个条件 ,对方位和俯仰进行二维搜索 ,并采用了模糊度函数作为搜索的判断依据 ;最后根据最小二乘计算出两个天线的基线矢量 ,从而最终计算出精密的方位值和俯仰角。经过大量的试验表明 ,该算法是切实可行的 ,在 5m基线下 ,方位精度达到 0 0 8°,而且定向时间一般只需 1min左右     

空空导弹敏捷转弯反作用喷气控制研究

为了提高近距空空导弹离轴发射和攻击载机后半球目标的能力,在俯仰平面内研究了使用反作用喷气控制空空导弹敏捷转弯的问题.为了实现导弹的敏捷转弯,提出了通过控制导弹姿态来控制导弹速度方向的方法,从理论上证明了该方法的可行性.考虑到反作用喷气输入的开关特性,使用滑动模态方法设计了导弹的姿态控制系统,滑动模态可达的一个充分条件为反作用喷气提供的可控力矩不小于导弹的最大气动俯仰力矩.反馈增益可以通过非线性仿真或者优化来选择.非线性仿真的结果再次表明本文提出的转弯方法的可行性,同时也表明了滑动模态姿态控制方法的有效性.      

一种与坐标系无关的误差曲线拟合法

提出一种基于局部坐标系下三次样条函数的误差曲线拟合法,该法不仅使所拟合的误差曲线具有连续的一、二阶导数,而且保证所拟合的误差曲线不随坐标系的改变而改变。使用该法能获得具有较好的光顺性和一致性的误差拟合曲线。     

带顶盖的半球形静电分析器的计算机模拟

从解带顶盖的半球形90°静电分析器关于势分布的Laplace方程开始,建立了荷电粒子在分析器中的运动方程,确定了以时间为参量的粒子运动轨道,引出了传输函数和几何因子的表达式,从而提供了一套适用于带顶盖的半球形90°静电分析器的模拟方法.为了使用方便,给出了传输函数和几何因子的尺度性质.所编制的程序特别地被应用于Sablik等的分析器原型,在现在的模拟结果和Sablik等的结果的对比中,评估了本文描述的模拟技术的精确性.      

橡胶变形响应的非线性有限元分析

由于材料及几何两方面的原因，橡胶有限元分析中具有很强的非线性性质。此外，又因为问题中含有不可压约束条件，使得分析变得更加复杂，其结果，不恰当的单元列式将导致“锁闭”现象，从而得出错误的解答；使用低阶单元会造成压力的不稳定；等。本文将讨论并比较不同的能量函数及有限元列式，推导本构关系式，并建议一种新的迭代技术，已经通过一些典型例题的解析和数值解，证明了它们有优良的数值特性及逼近绝对不可压缩体的能力。     

GRECO建模在VC++4.0中的实现机制

GRECO(Graphical Electromagnetic Computing)技术是目前分析高频区复杂目标雷达散射截面(RCS)最有效方法之一.对复杂目标而言,应用GRECO方法的一个重要工作就是对目标的几何造型进行准确地建模,才能获得令人满意的结果.文中结合C-R样条建模理论,阐述了在Windows NT环境下利用VC+ +4.0与OpenGL为GRECO方法进行建模的机制.以标准体与复杂目标为实例,给出了与实验结果符合良好的RCS曲线,具有工程实用价值.      

一种新的能量谱熵图像聚焦评价函数

针对计算机视觉中图像聚焦评价函数的选择与设计问题,首先对图像聚焦评价函数的基本概念和特征进行了讨论,然后对目前几种主要的图像聚焦评价函数（ 灰度变化函数、梯度函数、图像灰度熵函数、频域类函数） 进行了分析．在此基础之上提出了一种新的能量谱熵函数评价方法,并且给出了相应的计算公式．该函数的理论依据较之目前常用的评价函数更为充分,最后给出了与其它几种主要评价函数的实验对比结果,证明了能量谱熵函数比其它评价函数在评价图像聚焦质量方面更为准确、稳定和可靠．     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。