利用标志传播求解基于模型的故障诊断

基于模型的诊断是一项新型的智能推理技术,是人工智能领域中一个炙手可热的研究分支。提出元件输出标志的概念,通过在系统中传播输出标志,来判断元件集合是否为系统的诊断。使用SE-Tree(set enumeration tree)形式化地描述整个计算过程,逐步生成当前系统对应的所有极小诊断。此方法不求解冲突集和碰集,直接求出所有的极小诊断,与Reiter的模型诊断方法有着本质的不同,极大地减小了诊断求解的复杂度。实验结果表明,该算法具有较好的效率,并且适用于复杂的对象的诊断问题。

不同土壤质地条件下小麦旗叶全氮和籽粒蛋白质含量的变化

为了给小麦高产优质栽培提供依据，于2003～2005年在连续两年池栽条件下，以面筋含量高、中、低三种冬小麦品种藁麦8901、豫麦49和洛麦1号为供试材料，研究粘、壤、砂三种土壤质地对旗叶全氮含量和蛋白质积累的影响。试验结果表明，花后叶片含氮量逐渐下降，花后5～40d，旗叶全氮含量表现为粘土〉壤土〉砂土。不同冬小麦品种籽粒蛋白质含量均呈现前高后低又升高的积累变化规律。其中，低筋品种洛麦1号和中筋品种豫麦49在壤土条件下蛋白质含量较高，高筋品种藁麦8901在粘土条件下籽粒蛋白质含量较高。高筋品种藁麦8901籽粒蛋白质积累速率高峰期早于其它两类品种。低筋品种洛麦1号在砂土、中筋品种豫麦49在粘土种植条件下籽粒蛋白质产量较低；藁麦8901以粘土种植条件下籽粒蛋白质产量较高。籽粒蛋白质含量与旗叶全氮含量均呈正相关关系。因此，土壤质地对小麦籽粒蛋白质积累影响较大，生产上应针对不同品质类型小麦品种制定不同的优化栽培措施。

采用FIFO级联实现可编程的采样预触发与缓存容量扩展

为满足现代高分辨率雷达大容量高速缓存以及被动雷达和时差定位系统采样预触发的需要,提出了采用多片先进先出(F IFO)芯片级联的硬件结构实现可编程采样预触发和缓存容量扩展.分析了两级F IFO级联时芯片间接口的时序,给出了对F IFO可编程标志位的设置方法.实际应用证明,采用该结构可使系统的缓存容量达到2 M B,预触发量达到1 M B,且两种功能可由FPGA控制切换.该结构也适用于其它具有可编程标志的F IFO.