摘要：为解决超声波测风仪存在的抑制噪声能力不足、受环境温湿度等影响导致稳定性差等问题,提出一种基于二次相关算法的三阵元超声波测风方法。首先结合超声波测风原理设计了一种三阵元测风结构,该结构包含3个收发一体式超声波换能器;其次依据该系统结构给出一种基于二次相关的超声波传播时间测量方法,利用二次相关算法对噪声抑制更强的性能可有效提高风速风向测量的精度,并从理论上说明了所提测风方法不受超声波本身传播速度即环境温湿度对其的影响。最后通过模拟仿真实验和搭建的实际测量系统对所提方法进行了有效性验证。在实际测量中风速风向角的最大测量误差分别为2.0%和2.1°,基本达到了超声波风速风向测量的精度要求。

摘要：对片上网络访存延迟均衡性展开了研究,提出基于总延迟预测的访存报文仲裁技术。首先,依据访存报文后续路径的拥塞信息预测访存报文未来等待延迟,并计算出总延迟。其次,基于预测的总延迟对竞争同一链路的访存报文进行仲裁。在Mesh片上网络路由器中,对该技术进行了设计和实现。实验结果表明:在不同的网络规模和报文注入率下,与经典Round-Robin仲裁机制相比,本文技术能够极大减少片上访存的最大延迟和延迟标准差,减少平均延迟,证明能够获得更佳的访存延迟均衡性。

摘要：针对橡胶坝充排水这一变结构、大滞后、非线性实际控制系统,提出采用能满足系统稳定性和鲁棒性要求的分数阶PIλDμ控制策略对其进行恒流控制。首先建立了橡胶坝充排水系统的数学模型,从理论上证明了分数阶PIλDμ控制器对于该系统具有较好的鲁棒特性。然后把该分数阶PIλDμ控制器数字化后应用于橡胶坝充排水实际系统中,取得了较好的控制效果。最后给出了恒流量充水过程的实际控制运行曲线,表明本文PIλDμ控制器具有较强的抗干扰性和较好的鲁棒性,达到了恒流量充排水控制的设计目标及要求。

摘要：为解决现有的超声波测风仪存在的测量精度不高、受环境温湿度及阴影效应等因素影响较大等问题,提出基于互射式三阵元超声波传感器阵列结构的风矢量测量方法。设计的测风结构由3个收发一体式超声波传感器组成,根据三阵元系统结构特性结合时差法建立风矢量测量模型,消除温湿度及阴影效应对风矢量测量的影响,运用基于相关法的时延估计方法并结合快速傅里叶变换进行传播时间估计,减少算法的计算复杂度。最后,进行模拟仿真实验验证所提算法的有效性,并通过搭建的互射式三阵元超声波测风系统进行实测数据验证。在实测环境下风速测量的相对误差为2.75%、风向测量的误差为2.5°,基本达到测风领域的技术要求。

摘要：针对水下光通信提出了深度学习辅助的信号检测方法,设计并搭建了室内水下光通信实验平台,测试了所构建的三种水箱信道(水流、浑浊水流1、浑浊水流2)的数学模型,对所提方法进行了仿真测试,采集实验数据集对比研究了三种信道下所提方法与自适应阈值法的性能。针对不同水下信道、5 Mbps通信传输,三种信道下所提方法误比特率相比自适应阈值法最高分别降低了2个数量级、1个数量级、1个数量级。针对浑浊水流信道1、不同通信速率(5 Mbps、10 Mbps、25 Mbps)通信传输,三种速率下所提方法误比特率均降低了1个数量级。相比自适应阈值法,所提方法在复杂信道下水下无线光通信提高性能方面具有一定作用,可为高速可靠水下无线光通信系统设计提供一定参考。

摘要：以混沌系统仿真仪为例,设计了一种基于虚拟仪器进行显示信号时序图和相轨迹图的仪器。文中详细介绍了虚拟仪器的设计步骤和编程思路,并且提供了相应源代码作为参考,设计简单易学。该仿真仪具有仿真精度高、操作方便、直观、快捷等优点。

摘要：将天线设计中常用的矩量法(MOM)与免疫算法相结合对可重构天线进行优化设计,分析免疫算法在可重构天线设计中的优势。在归纳总结近几年基于遗传算法的天线的研究成果的基础上,通过免疫算法在天线结构中加入MEMS开关进行仿真,设计出两种既可以在固定频率点上进行方向图的扫描变化,又可以在特定的方向上实现频率灵活变化的微带双重可重构天线。

摘要：CAN总线技术是较实用的现场总线技术。文中分析了CAN总线控制器和驱动器的内部结构和工作原理,介绍了CAN总线技术在智能小区单元门禁控制系统设计中的应用,重点阐述了CAN总线的硬件电路设计和SJA1000总线控制器的初始化和接收、发送报文的软件设计。

摘要：本文针对传统PID控制器控制六自由度并联机器人所存在的响应速度慢、控制精度不高和鲁棒性差等问题,采用自整定模糊PID控制算法设计了模糊PID控制器。根据给定语言变量建立隶属度函数,设计模糊控制规则。最后,利用Matlab语言仿真模糊PID控制器和普通PID控制器对开环传递函数的响应。结果表明所设计模糊PID控制器具有响应速度快、鲁棒性强、精度高和无超调等特点,提高了六自由度并联机器人的控制性能。

摘要：针对回声状态网络(Echo state network,ESN)结构设计问题,提出一种基于脑网络的分层模块化回声状态网络(Hierarchical modular echo state network,HMESN)。脑网络的拓扑结构使功能网络具有丰富的动力学特性,因此,从生物仿生学角度出发,对HMESN的储备池进行分层设计,各层级上的神经元采用小世界网络构建算法生成模块化结构,并引入层级连接。基于脑网络分层模块化的拓扑特征弱化了神经元间的耦合程度,从而使神经元的动力学特性更为丰富,在功能与结构上更接近于真实生物神经网络,有效地提高了网络处理问题的能力。采用Mackey-Glass时间序列预测和非线性系统辨识对网络进行验证,证明该网络的有效性和可行性。