带有覆盖介质层的微带线的特性分析

本文从麦克斯韦方程出发,通过付里叶变换和坐标旋转,导出特征坐标系中谱域场表达式.利用场匹配技术,建立起TE~z真和TM~z模的等效传输线网络,使场问题转化为网络问题,简化了特征方程的推导。然后,运用谱域导抗法具体分析由单轴介质构成的带有覆盖介质层的微带线的特性,根据有效介电常数和特征阻抗的数值结果,得出了在宽带情况下,用标准微带线的综合公式近似代替能得到较高精度的结论,这对设计电磁耦合带馈式微带天线阵的馈线极为有用。     

应用网络拓扑法计算低惯量稀土永磁伺服电动机的磁场

通过理论分析，首次将网络拓扑法的应用范围从无旋场扩大到有旋场的计算中，从而进一步发展和完善了这一数值计算方法。本文从麦克斯韦方程出发，通过对比热传导问题的约束方程，导出了网络拓扑法用于有旋电磁场计算的离散化格式。继而通过与相应的有限单元法的比较，说明了网络拓扑法的一系列优点。同时，本文还分析建立了适合有旋场计算的永磁体等效电流模型。作为实例，本文最后给出了一台低惯量稀土永磁伺服电动机的求解方程，并计算了空载磁场及电枢反应磁场分布，由此得到的电机电磁参数，不仅为伺服电动机本身而且为整个伺服控制系统的设计提供了依据。     

关于运输网络堵塞流动的研究——分支定界法在求解网络最小流上的应用（Ⅲ）

堵塞是以人为主体在运输网络中经常发生的一种现象。本文中所定义的网络最小流是指在最严重堵塞的情况下通过网络的最大流量，是设计和运行一个运输网络，特别是一个紧急疏散网络的重要参数。本文在堵塞流理论研究的基础上，提出了一种用分支定界思想来求解网络最小流问题的方法，并用实例说明了该算法过程及其应用领域     

NHNET2多链路局域计算机网络系统设计与研制

本文介绍了多链路局域计算机网络NHNET2适配器的设计和系统软件功能。NHNET2是用Intel8274多协议串行控制器独立研制的网络系统,可执行CSMA/CD与x.25两种协议。本文介绍了它的硬件及软件的实现方法。软件具有较强的点对点通信功能,可实现分布式资源共享。     

光纤总线本地网接口逻辑设计

光纤做传输介质具有频带宽、抗干扰能力强、信号衰减小等优点。但是用它来实现总线型本地网却有一定的难度,因为利用光纤元件不易于实现CSMA/CD协议所要求的冲突检测和信号在总线上的双向传输。 本文介绍了实现光纤总线网络的简单可行的方法,叙述了光纤总线网的结构、网络、网络接口原理以及接口的编程方法。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

基于改进神经网络的空间机械臂阻抗控制方法

针对环境信息不确定和碰撞模型未知情况下的空间机械臂柔顺控制问题,提出了一种基于改进型神经网络的阻抗控制方法.以空间机械臂阻抗控制系统闭环方程为基础,分析了环境信息不确定和碰撞模型未知情况下不能实现精准力控制的原因.利用粒子群优化算法调整神经网络中的权值矩阵,以提高神经网络的收敛速度和寻优性能.基于改进后的神经网络设计阻...     

基于神经网络及深层充电的电子通量反演模型

为了实现对空间高能电子通量的估计及航天器深层充放电的风险评估,基于深层充电和空间电子环境的关联性,利用人工神经网络（ANN）建立了一种由深层充电反演空间高能电子环境的模型。以深层充电探测电流密度及电子能量作为模型输入,电子通量作为模型输出,使用AE9模型对神经网络进行训练,将神经网络的MSE降低到了0.04122,并使用Giove A卫星的深层充电探测数据及GOES卫星的电子通量探测数据验证了模型反演电子环境的准确性。同时对由探测电流计算航天器典型介质材料最大内电场的神经网络模型进行了研究,以实现对航天器内充电风险实时评估。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。