通信网络的雷电防护技术

本文通过对计算机通信网络系统遭受雷击损害的主要原因，以及雷电入侵通信网络的途径进行了详细分析，提出了通信网络接口，通信网络线路和地线回路的防雷布放方式，防雷装置的安装方式和相应的屏蔽措施等防护问题。     

首都机场UPS网络监控系统的部署及实现

本文主要介绍智能型UPS网络监控系统在首都机场的部署及实现，对智能型UPS网络监控系统的工作原理、结构组成、功能等进行了论述，并重点阐述如何在首都机场实现UPS智能化、自动化、高效率、低成本的维护管理。     

有史以来最丰富多彩的火星大接近图像 “后院天文学一族”的辉煌成果

后院天文学家Howard C Anderson将网络相机所拍摄的1000幅照片经过极端精细的对齐，叠加和数字排序处理后，制作出来20定格的火星自转电影，每一定格的时间间隔为30分钟，实际上，火星自转一圈只比地球长40分钟而已，对拥有小型望远镜的观星人来说，这才是真正能够看见的景象。     

SAR天线功率方向图误差补偿的新方法

首先提出了一种经济而有效的仅改变激励相位的新方法来补偿ＳＡＲ天线功率方向图误差；其次讨论了ＳＡＲ天线在温度载荷作用下的特定的“缓慢变化”的系统变形；然后给出了一些算例以验证方法的有效性；最后给出了一些重要结论。     

一种高精度角速率圆锥补偿算法

以角速率信号作为算法输入时,采用以往常用的圆锥补偿算法,算法误差明显增大.鉴于光纤陀螺角速率信号可以直接获取,提出了一种以角速率信号作为圆锥补偿算法输入的新补偿算法.在姿态更新周期内,以光纤陀螺角速率信号作为输入,求得陀螺角速率输出的表达式,结合旋转矢量微分方程,推导出新圆锥补偿算法表达式,然后以算法漂移误差最小对新算法进行优化.采用规则进动、典型的圆锥运动以及有噪声干扰的圆锥运动作为测试输入,通过与传统算法的对比,新算法计算量低、计算简单方便,算法精度高.新算法的提出为高动态环境下光纤陀螺捷联系统的姿态误差补偿提供了一个新的思路.     

线性补偿型带隙基准电压源设计

设计了一种高准确度基准电压源电路,电路采用了电流镜技术,运放的输出作为驱动的同时还作为自身的偏置电路,双极晶体管EB结压降作运放的输入,获得正温度系数的电流IPTAT;同理将电阻的压降和双极晶体管EB结压降作运放的输入,获得负温度系数的电流ICTAT,通过电流的减法运算将在整个温度范围内分两段产生不同的补偿电流INL,进而产生不同的补偿电压,并完成对带隙基准电压的分段线性补偿。由此得到温度系数很小的带隙基准电压。采用TSMC0.18μm1.8/3.31P6MCMOS标准工艺,在1.8V电源下,-40℃~130℃温度范围内,仿真结果显示输出电压的温度系数小于1.88ppm/V,低频时电源电压抑制比为-86dB,功耗为237.5μW。     

液压振动台负载流量补偿方法的研究

通过将负载变化折算为相应控制指令,并与期望指令相叠加后,作为最终的控制指令输出给伺服阀,构造负载流量与期望控制指令之间的比例关系,实现了液压振动台抑制负载干扰对流量波动的影响,提高了液压振动台运动控制精度。经过流量补偿后的液压振动台在负载变化时可以实现对输入指令较好的跟踪,可对机械振动或冲击环境进行更好的模拟。     

空域扇区网络结构特性分析及韧性评估

为保障扇区内航空器运行安全,提高扇区网络在外界干扰下的韧性,从而有效减轻航班延误和空域拥堵。首先,依据中国空域扇区划分规则,运用复杂网络理论构建中国空域扇区网络模型;然后,定义网络基本特征参数,对中国空域扇区网络结构特性进行分析,提出扇区网络韧性的概念,并采用一种定量评估方法对其进行度量;最后,对比分析不同恢复策略下的韧性指标,以此制定空域扇区网络在外界干扰下的最佳恢复策略,提高网络韧性。结果表明:中国空域扇区网络具有较大的平均最短路径长度和较小的聚类系数,度分布服从双段幂律分布,介数和强度服从指数分布。介数是影响空域扇区网络韧性最大的指标,采用介数恢复策略可显著提高外界干扰下空域扇区网络的韧性。      

高精度激光陀螺仪温度补偿模型研究

在实际工程中,高精度激光陀螺仪的输出零偏会随着温度变化发生漂移,限制了其应用。为了降低和补偿温度对陀螺零偏的影响,提高陀螺应用性能,降低装备成本,从探究温度对输出零偏的影响因素出发,建立了一种考虑多影响因素的温度补偿模型,并设计了相应的温度试验。试验结果表明,高精度机抖激光陀螺的零偏和温度、温变速率、温度梯度具有较好的相关性和重复性,该温度补偿模型补偿效果显著,可基本消除零偏随温度变化的趋势,有效降低武器装备对零部件的要求,能够降低应用成本,具有很强的实用价值。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。