基于有限单元热网络法的航空发动机主轴轴承热分析

航空发动机主轴轴承温度场的精准预测对保证发动机润滑系统及整机稳定运转至关重要.针对传统热网络法精度低的问题,提出一种基于有限单元思想的有限单元热网络法.将轴承结构通过网格划分为有限个单元体,每个单元体设置一个温度节点代表该单元体的集总参数,节点间构建热阻关系并形成热网络,通过求解以温度为未知量的大型稀疏矩阵线性方程组来...     

机载超轻量化卷积神经网络加速器设计

卷积神经网络庞大的权重参数和复杂的网络层结构,使其计算复杂度过高,所需的计算资源和存储资源也随着网络层数的增加而快速增长,难以在资源和功耗有严苛要求的机载嵌入式计算系统中部署,制约了机载嵌入式计算系统朝着高智能化发展。针对资源受限的机载嵌入式计算系统对超轻量化智能计算的需求,提出一套全流程的卷积神经网络模型优化加速方法,在对算法模型进行超轻量化处理后,通过组合加速算子搭建卷积神经网络加速器,并基于FPGA开展网络模型推理过程的功能验证。结果证明：本文搭建的加速器能够显著降低硬件资源占用率,获得良好的算法加速比,对机载嵌入式智能计算系统设计具有重要意义。     

低轨卫星通信系统地面核心网设计与仿真

文章针对无星际链路的低轨卫星通信系统，利用OPNET软件设计了低轨卫星通信系统在透明转发模式下的核心网构成，并进行了性能仿真。首先介绍核心网的构成、功能和拓扑，在此基础上实现了呼叫处理和切换的仿真，统计了呼叫时延、切换时延等性能指标，分析了仿真结果，为低轨道卫星通信系统的设计奠定了一定的参考价值。     

ATM局域网仿真技术

简要介绍了 Ａ Ｔ Ｍ 局域网仿真的主要原理，以 Ｉ Ｂ Ｍ ８２６０ Ａ Ｔ Ｍ 交换机为例，具体分析了 Ａ Ｔ Ｍ 局域网仿真的实现细节。     

增强FMS柔性的关键技术研究

柔性制造技术是现代制造业广泛采用的一种先进的制造技术。实现生产柔性是引进柔性制造技术的根本目的。ＦＭＳ是柔性制造技术应用的典型模式。     

基于Java语言的GIS系统在电信网管系统中的开发应用

随着计算机和通信业的迅速发展,人们对电信网络管理系统的要求越来越高,不仅需要拓扑图的显示,还要求系统能进行快速的故障定位,所以要求网管系统能与GIS系统结合.本文介绍了基于java语言的GIS系统的开发过程,及如何将GIS集成到综合电信网管系统中,并就实际开发中出现的问题提出相应的解决方案.     

基于主成分的编队级网络对抗效能评估指标体系

分析建立编队级网络对抗评估指标体系的原则,用主成分分析法对指标进行处理,求得7个主成分.根据正交原则将20个指标分配到7个主成分中,赋予每个主成分以实际含义,最终建立了编队级网络对抗效能评估指标体系.     

装备复杂电磁环境适应性试验问题探讨

从环境适应性概念入手,提出装备复杂电磁环境适应能力总体需求及适应性试验的基本构成,指出装备复杂电磁环境适应性试验应该具体涵盖雷电类、静电类、电磁兼容类、电子对抗类、强电磁脉冲类等五类试验内容。同时阐述了国内外在适应性试验研究方面的发展现状和遇到的挑战,为后续研究提供重要参考。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

Lift coefficient prediction at high angle of attack using recurrent neural network

In this paper, identification of dynamic stall effect of rotor blade is considered. Recurrent Neural Networks have the ability to identify the nonlinear dynamical systems from training data. This paper describes the use of recurrent neural networks for predicting the coefficient of lift (C_Z) at high angle of attack. In our approach, the coefficient of lift (C_Z) obtained from the experimental results (wind tunnel data) at different mean angle of attack θ_mean is used to train the recurrent neural network. Then the recurrent neural network prediction is compared with experimental ONERA OA212 airfoil data. The time and space complexity required to predict C_Z in the proposed method is less and it is easy to incorporate in any commercially available rotor code.