变截面加筋板尺寸-布局一体化设计

为了提高加筋板结构的开口补强效率,文中提出了一种新型变截面加筋构型。通过丰富加筋结构层级,有效抑制了开口引发的失稳变形扩展,从而提高了结构的承载能力。在优化设计中,为了合理缩减设计变量的数目,文章采用函数变量来分别描述加筋层级与布局的变化规律。进而基于代理模型,实现了尺寸-布局一体化设计。最后,与等尺寸、等布局优化方法及等布局、尺寸余弦分布的优化方法的结果进行对比,凸显了文中所提出的一体化设计方法的简洁与有效。     

复合材料叠层结构边缘应力分析的翘曲修正模型

研究复合材料叠层结构在单轴拉伸状态下的边缘应力问题。在厚度方向 ,利用翘曲修正理论 ,推导出了叠层板三个方向的位移分布规律 ;在宽度方向 ,采用升阶谱位移模式 ;应用虚功原理 ,给出了叠层板边缘应力分析的特殊有限元模型。通过典型例题的计算表明 :边缘应力计算结果与精确弹性解符合很好 ,还进行了收敛性的研究。本文方法的自由度度少 ,方法简单 ,优于差分法、常规有限元法 ,适用于解决边缘效应问题     

无线传感器网络的异构性研究

随着无线通信技术和微电子技术的快速发展,低成本、高度集成和自组织的无线传感器网络将会逐渐普及.首先总结归纳了无线传感器网络异构性的几种表现形式,如计算能力异构性、节点能量异构性、链路异构性及网络协议异构性,然后介绍了异构无线传感器网络层次网络体系结构和两种适用于无线传感器网络的标准.最后对无线传感器网络的安全问题进行简单探讨.     

基于层次存储结构的权能查找机制

与传统系统相比,基于权能的系统可以在不完全信任程序的情况下安全地运行程序。从权能的概念入手,论述了权能的基本工作原理。针对现有顺序权能查找机制在查找效率方面的不足,设计出一种基于层次存储结构的权能查找机制,可提高安全系统的权能查找速度,进而提高整个系统的运行效率。     

基于递阶遗传算法的结构多损伤监测

基于递阶遗传算法(HGA)与结构优化思想,提出了一种针对欧拉-伯努利梁和二维板结构的多损伤监测方法.该方法利用递阶遗传算法的控制基因表示损伤的数量和位置,以参数基因表示损伤的程度,有效地避免了传统遗传算法(CGA)的早熟现象所造成的损伤误识别等问题.一个悬臂梁和悬臂方板结构模型的多损伤监测仿真计算表明该方法能够准确地监测一、二维结构中多个位置的损伤,而传统遗传算法难以识别二维结构中的多损伤情况.悬臂梁仿真算例中,该方法和传统遗传算法对多损伤程度的识别误差分别为0.144%和1.819%,所需的有限元计算次数该方法仅为传统遗传算法的16.4%.与传统遗传算法相比,递阶遗传算法明显提高了损伤识别方法的计算效率、精度和稳定性.      

基于分层栅格地图的移动机器人路径规划

针对传统A-Star算法与模糊控制算法单独应用于移动机器人路径规划时各自的局限性,提出一种基于分层栅格地图并将两种算法融合的移动机器人路径规划新方法.融合后的新算法先利用A-Star算法在高层栅格地图中整体规划出一条概括性路径,再利用模糊控制算法以概括性路径中的点为导航点,在底层栅格地图中进行局部规划,从而得出最终的路径.仿真结果表明,与传统的A-Star算法与模糊控制算法相比较,新算法所规划路径距离较短且平滑可行,具有较高的品质.     

激发学习兴趣 培养创新意识

激发大学生的学习兴趣,对于提高高校电子技术的教学水平,促使学生养成终身学习的良好习惯,提升其生活质量都有着极其重要的现实意义。根据学生心理特征和教材特点激发和培养学生学习电子技术的兴趣,从而培养其创新意识。     

本科教育实践教学全程培养模式的探索

为培养高技能应用型人才和高素质创新型人才,高等教育必然是教学活动与实践活动的结合。实践活动不是一蹴而就的,短期效应不足以培养出优秀人才。针对本科四年制教学,以电类实践教学为例,通过灵活多样的形式合理组织安排实践内容,使实践活动贯穿于整个大学期间,学员的实践能力通过由浅入深、由点到面、由被动到主动这一循序渐进的过程得到很...     

基于延迟发送的高速信号遥测采编技术

针对导弹与目标相遇时刻引信产生的高速信号的数据分析需求,提出了一种基于延迟发送的遥测采编技术。数据采集采用了缓存后延迟发送的方式,在所需信号的特征未满足发送要求前,对数据通道持续检测,并将采集到的数据缓存入RAM(Random Access Memory,随机存取存储器)中,此时发送其余信号的遥测数据;当所需信号满足发送要求后,立即中断其余信号的发送,将RAM中存储的数据读出并发送:这样不仅降低了系统码速率,还可以避免高码速率实时发送带来的不利影响。数据编码采用了分层量化的方式,提高了数据分析时较为关注的小幅度信号的分辨率。该遥测采编技术方案具有缩短研制周期、节约研制成本、降低技术风险的优点,并在飞行试验中得到成功应用。     

面向无人机蜂群的航电云多层任务调度模型

在航空作战体系中，基于航电云的无人机（UAV）蜂群作战是提高未来无人机综合作战能力的一种新模式。针对无人机蜂群作战的航电云架构，如何将云端作战任务派发到无人机且保证作战任务完成时间是其中关键。在无人机蜂群分层分簇网络结构和模块级资源虚拟化的基础上，对传统单层平台级任务调度模型进行改进，提出了一种细化到模块级的多层任务调度模型，将作战任务从云端逐层调度到无人机功能模块上执行。利用OMNeT++对无人机蜂群多层任务调度模型以及传统的单层任务调度模型分别进行仿真，云端以攻击使命组为例构建使命组集进行分配，并对任务吞吐量、消息平均端到端延时和任务完成时间进行性能对比。仿真结果表明：与平台级单层任务调度相比，在执行任务方面，模块级多层任务调度模型将单个任务平均完成时间降低了46.2%，将使命组完成时间降低了52.1%，在保证任务吞吐量的基础上具有对复杂任务更稳定的调度能力；在网络性能方面，模块级多层任务调度模型消息端到端延时更低，延时分布更集中，提高了网络消息传输的实时性。