摘要：提出了一种基于三维卡尔曼滤波的三阶数字锁频环设计方法,并将该锁频环用于高动态GPS信号的载波跟踪。推导了卡尔曼滤波与数字锁频环之间的等效关系,给出了基于该方法设计的锁频环的等效噪声带宽闭式解,分析了环路的暂态性能和稳态性能。以暂态带宽和均方根频率跟踪误差为性能指标,对基于该方法设计的锁频环和固定增益的数字锁频环进行了仿真对比。结果表明,在具有相同稳态带宽的情况下,两种环路具有可比拟的动态和静态跟踪误差,但基于该方法设计的环路具有较高的初始捕获带宽,环路收敛时间大大降低。

摘要：多粒度形式概念分析是数据挖掘与知识发现的重要工具,但现有的多粒度形式概念分析理论中并未提出选择最优形式背景的标准,这导致只能对多个单粒度形式背景逐一研究其知识发现问题,因此无法应对含有多个粒度属性的形式背景.鉴于此,对多粒度形式背景的粒度树上的属性块进行组合,将信息熵作为组合形式背景优劣的判别标准以评价最优粒度选择的性能.首先,基于粒度树提出广义介粒度剪枝形式背景,它既能实现属性块内部跨粒度组合,又能实现属性块之间跨层组合;其次,给出广义介粒度剪枝形式背景的信息熵,以评价广义介粒度剪枝形式背景的优劣,并设计出最优粒度选择算法;接着,利用信息熵度量多粒度剪枝类属性块和粒度树的重要性;最后,通过实验分析表明基于信息熵的最优粒度选择和粒度树重要性度量方法是有效的.

摘要：利用交互式多模型的带宽自适应调整特性实现了高动态与静态环境下通用的GPS信号载波跟踪算法。仿真结果表明,该算法在保证满足高动态GPS信号载波跟踪要求的前提下,降低了静态时的频率跟踪误差,避免了不同动态环境下多个载波跟踪算法及切换方案的设计。

摘要：脊型加速器最关键的部件是脊型谐振腔,本文根据射频性能对其进行了电磁场模拟与优化。为了进一步提高腔体的Q值和分路阻抗,提出了取消电极头。采用约束变量参数扫描方法对腔体机械参数进行了优化,在保持腔体谐振频率不变的情况下,找到了最优或合理的机械参数。研究结果表明,束流在谐振腔内加速次数的增加可提高腔体的分路阻抗。

摘要：在航姿参考系统测量载体姿态的过程中,由于观测噪声不确定,严重影响了常规卡尔曼滤波结果的精度.另外,当系统受到干扰而使观测噪声突然改变时,甚至会导致滤波发散.提出一种航姿参考系统自适应卡尔曼滤波算法,能够根据观测数据来自适应调整观测噪声,从而提高卡尔曼滤波精度,改善系统的鲁棒性.仿真表明,当观测噪声时变时,常规卡尔曼滤波结果明显发散,而新自适应卡尔曼滤波结果收敛良好,在系统计算复杂度没有明显增加的前提下,系统的稳定性得到了明显提高.

摘要：结合试验数据与理论分析,从磁学与力学两种角度,分析了不同规格磁流变阻尼器的特点。研究表明:活塞杆与动密封圈之间的摩擦效应,导致设计具有大可调倍数的小阻尼器的难度远高于设计具有同样可调倍数的大阻尼器;对于一定阻尼力要求的磁流变阻尼器来说,存在着一个最优的直径范围;研究还表明,大吨位阻尼器工作会生成巨大的热量,必须考虑其散热系统。

摘要：针对决策系统提出了一种高效的属性约简算法;讨论了合理刻画属性重要性的新指标,并设计了一种快速计算划分的方法;在此基础上,得到了一种快速计算属性约简的算法。与现有算法相比,该算法具有较大的灵活性,能从搜索空间中逐次删除不重要属性,避免了对其重要性的重复计算;并且时间复杂度低。通过实例和实验表明了该算法的可行性与有效性。

摘要：一、前言 安阳市老城区的污水管道工程一直没有进行设计、施工,污水没能进入市政污水管网,而直接排入了环城河,造成了严重的污染。1988年7、8月,对老城区10个污水管道截流工程进行了设计、施工,解决了老城区绝大部分污水并入市政污水管网的问题,从而减轻了环城河的污染,水质得到改善。污水截流量为3300T/d。 二。

摘要：磁流变液耗能器是新一代智能型耗能器,是实现半主动振动控制的理想元件。设计制作了基于土木结构振动控制的最大阻尼力约为180kN的足尺磁流变液耗能器,并试验研究了其阻尼力性能。试验表明,对于具有多励磁线圈的磁流变液耗能器,相邻线圈的电流异向时其最大电流下的阻尼力,远大于同向的情况。试验还表明,多线圈共同工作下耗能器所产生的最大阻尼力,远小于各线圈单独工作时阻尼器所产生的最大阻尼力的简单叠加,且线圈越多,减小的程度也越大。

摘要：概念是知识表示的基本认知单元,它由外延和内涵两部分构成.由于概念的外延与内涵可以相互诱导,所以概念的外延和内涵中一旦有一个被确定下来,那么这个概念也就随之确定.概念认知是将属于这一概念的特征属性筛选出来,同时把不属于这一概念的特征属性排除,即通过确定内涵的方式获得概念,它采用特定的认知方法来完成概念的识别.当前,概念认知正逐渐借鉴认知科学领域中的一些研究思想,不断地完善自身理论与方法.然而,现有的概念认知方法要求假定概念认知算子具有完全认知功能,但现实中由于个体认知的局限性往往会出现认知不完全的现象,在此情况下要对概念进行全面认知则需漫长等待,这意味着在时限约束条件下可能无法及时获取足够的概念信息.在认知科学领域,一般采取问题分解求解的策略解决此类问题,即根据当前的局部有限信息做出相应的快速决策,为阶段性认知提供有效的及时参考,是渐进式思维的一种认知模式.受此启发,本文提出概念的渐进式认知理论与方法,以处理不完全认知条件下的概念获取问题.具体地,提出概念渐进式认知的认知机理,其功能主要包括概念信息的增删改操作,以模拟一般的认知过程;针对线索为对象集、属性集以及对象集和属性集的三种不同情况,分别给出概念渐进式认知算法,并对它们的时间复杂度和空间复杂度进行分析.特别地,为了实现近似概念认知,设计乐观悲观两种信息融合策略,使得对于任意对象集和属性集为线索的概念认知至少获得一个上界概念.最后,数值实验表明概念渐进式认知算法的有效性.