变频电动机耦合电容分析与计算研究

脉宽调制(PWM)变频驱动器在提高交流传动系统效率的同时,产生的高次谐波导致共模电流显著增加。其中电动机定子绕组与定子铁心之间的耦合电容是共模电流的主要通路。准确计算定子绕组与定子铁心之间的耦合电容对于预测共模电流具有重要意义。由于电机绕组内部导线排列不规则,准确进行解析计算较为困难,将其简化为集中导体后,会导致计算精度变差。在绕组全散线模型的基础上,提出了一种简化散线建模方法,能在计算精度不变的情况下,有效地减小模型的复杂度。通过对比解析计算、全散线模型、简化散线模型和测量值,验证了该方法的有效性。     

燃气涡轮无气膜冷却动叶参数化设计系统应用

为进行燃气涡轮冷却结构的设计,在考虑总的温度分布系数(OTDF)及不考虑OTDF两种情况下,采用一套设计方法,完成了燃气涡轮第一级动叶冷却结构的整体设计。通过设计表明:采用管网计算,并通过三维导热计算进行热分析,最后通过气热耦合计算能够快速地设计出较佳的冷却结构;不考虑OTDF设计时,第一腔流量为16.9g/s,第二腔流量为40.8g/s,最大无量纲温度0.700,采用双进口蛇形通道,换热效果较佳,且结构设计较为简单;考虑OTDF时,为达到设计要求,第一腔流量为18.2g/s,第二腔流量为25.4g/s,第三腔流量为5.3g/s,最大无量纲温度0.752。通过多方案设计,得出在无气膜情况下,采用三个冷气进口多回转通道能够达到较好的冷却效果。     

航天用太阳电池地面标定测试装置研究

传统的标准太阳电池标定方法分为高空标定与地面标定,地面标定方法已纳入国际标准。地面标定由于操作简便、标定结果较为精准目前被广泛应用。太阳电池标定结果准确与否对航天器电源系统姿态敏感期、地面环境模拟的设计具有重要意义。本文对太阳电池地面标定方法展开研究,根据国家标准中地面标定方法原理研制了便携式、高准确度的地面标定测试设备,包括准直孔、太阳电池托盘、太阳跟踪器等标定装置,使地面标定过程简易化,对航天用太阳电池地面标定有着重要意义。     

复合舵机的神经网络自校正控制

针对复合舵机的时变和非线性特性,提出了神经网络自校正控制方法.用改进的非线性自回归滑动平均模型(NARMA)对复合舵机进行动态建模,采用多层感知器神经网络辨识舵机非线性模型,由广义逆思想设计出控制器,并根据被控对象与辨识模型间误差在线调整网络权值,进而修正控制律,实现了复合舵机的自校正控制.仿真结果表明,在模型有时变及非线性因素的情况下,此方法仍能得到较好的控制效果.      

基于Web方式下的信息管理系统的开发

本文介绍了一个基于Web方式下信息信息管理系统的开发实例，重点阐述了Web方式下信息管理系统的设计思想以及及关键技术的实现     

基于积分多普勒平滑伪距的导航算法研究

载体处于高动态机动、障碍遮挡、信号干扰和多路径等复杂环境时,GNSS接收机跟踪环路易发生信号失锁和相位失调,导致载波相位观测值发生较大变化,采用载波相位平滑伪距将严重影响导航精度。为改善GNSS接收机导航性能,对电离层效应及延时校正模型进行了研究,基于α-β滤波算法提出了基于积分多普勒平滑伪距的导航算法。实验结果表明:采用该算法在静态、动态条件下定位精度优于5m,测速精度优于0.05m/s,可显著提高GNSS接收机的导航精度。     

构建无线自组网仿真场景

计算机仿真是测试评估网络协议性能的基本技术，而无线自组网技术是一项新兴的热门无线网络技术。目前为止还没有文章对无线自组网计算机仿真技术进行综合介绍。因此，本文以构建易用合理的无线自组网仿真场景为目标，从仿真软件、仿真场景和移动模型这三个方面综合说明了构建无线自组网仿真场景的相关技术。本文对三种通用网络仿真软件NS-2，Glomosim和OPNET进行了分析比较，介绍了无线自组网研究中几种典型的仿真场景，最后介绍了常用的几个节点移动模型，分析了移动模型存在的问题及解决方法。本文对构建无线自组网仿真环境具有指导借鉴意义。     

浅谈宾馆软件服务的重要性

宾馆是指以建筑物为凭借，通过接待服务来满足宾客住宿、饮食、娱乐、购物、消遣等需要而取得经济效益和社会效益的一个经济实体。宾馆出售的商品是“服务”、“服务”具有区别于其它商品的特殊性，从而决定了客人的赞许是衡量服务质量好坏的标准。而产品的质量特性，又是客人获得满意的直接体现。要发挥好产品质量特性，就必须提供优质服务。优质服务的内容包括软件因素和硬件因素，其中软件因素起决定作用。因此，加强软件管理，作好十方面工作，是提供优质服务的保障。优质服务是宾馆一切工作的出发和归宿，发挥好它，对于国家、集团和个人都有着十分重要的意义。     

一种新型的干扰识别与检测算法

在通信系统抗干扰中干扰的检测及识别是一种关键的技术。文章提出了一种新的干扰识别算法。首先,应用盲信号分离算法来分离传感器接收到的混合干扰信号。然后从干扰信号的高阶累积量中提取特征参数用作进行SVM分类时的特征向量。最后,用SVM作为分类器来对单音干扰、多音干扰及脉冲干扰进行分类识别。计算机仿真结果表明,当信噪比不低于5d B时本文算法有较高的识别率。