Quantizing Analysis and Processing of Test Conditions for Infantry Grenade Ignition Characteristics

A rule of how the ignition probability or invalidation probability of infantry grenade varies with the projectile quantity is presented based on the statistical analysis. The statistical induction, quantizing analysis and data processing in the infantry grenade type approval test are completed, and we obtain how various test factors in the research item affect the test results(invalidation probability), i.e., quantized data. The acquisition of these quantized data provides theory basis and data auspice for further reasonable filtration of all test factors and the optimization of test scheme.

混动汽车的工况自适应等效燃油消耗最小控制

为了减小混合动力汽车的燃油消耗,提出了驾驶工况自适应的等效燃油消耗最小控制策略。介绍了混合动力系统结构和工作模式,建立了混合动力车辆的实时控制模型。基于庞特里亚金极小值原理和等效燃油消耗最小策略求解了车辆在多个优化目标下的最优控制律;提取了车辆行驶工况特征参数,使用学习矢量量化神经网络构造了驾驶工况智能识别器,实现了驾驶工况精准识别。为了使等效燃油消耗最小策略适用于复杂多变的驾驶工况,提出了等效因子随驾驶工况自适应变化策略。使用由4种标准工况组成的综合工况进行仿真验证,并与文献[6]的智能规则控制、文献[11]的模型预测控制策略进行比较,这里提出的自适应等效燃油消耗最小策略的百公里油耗比智能规则控制减少了7.64%,比模型预测控制减少了4.96%,说明了自适应等效燃油消耗最小策略可以有效减少混合动力汽车的燃油消耗。

基于主成分分析和学习向量量化神经网络的制动工况路面识别与验证

开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络(Principal Component Analysis—Learning Vector Quantization,PCA-LVQ)的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到97%,与传统BP神经网络的路面类型特征识别精度提升7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。

基于量子理论的图像中值滤波

在传统图像中值滤波算法中,固定排序窗和无条件中值运算会影响算法的降噪能力。为此,提出一种改进的图像中值滤波算法。借鉴量子理论提出数字图像的伪量子化表示形式,应用量子哈达玛变换引入自适应机制,使排序窗口的大小和形状能根据其移动位置的图像局部特征自适应地变化,并引入有条件中值运算保留图像细节。仿真结果表明,与传统中值滤波和递归中值滤波算法相比,该算法在保留图像细节的同时,具有更强的降噪能力,且噪声强度对滤波效果的影响较小。

基于描述长度的Context建模算法

在基于Context建模的熵编码系统中,为了达到预期的压缩性能,需要通过Context量化来缓解由高阶Context模型所引入的"Context稀释"问题。为此,该文提出一种通过最小化描述长度来实现Context量化(Minimum Description Length Context Quantization,MDLCQ)的算法。该算法使用描述长度作为评价准则,通过动态规划算法来实现单条件的最优Context量化,然后通过循环迭代来实现多条件的Context量化。该算法不仅可以得到多值信源的优化Context量化器,而且可以自适应地确定各个条件的重要性从而确定模型的最佳阶数。实验结果表明:由MDLCQ算法所得到的Context量化器,可以明显改善熵编码系统的压缩性能。

浅议导出玻尔量子化条件的驻波条件

从教科书中根据直线弦振动的驻波条件,处理电子绕核作圆周运动角动量的量子化问题,导致了与玻尔理论量子化条件不一致的结论。提出利用驻波的特点和封闭弦振动驻波满足的对称性,得出圆形封闭弦形成驻波的条件为周长是半波长的偶数倍。利用此条件可以处理电子绕核作圆周运动的角动量量子化问题,从而得出与玻尔定态理论一致的结论。最后把玻尔定态理论的3个假设分别与驻波特点相对应,用驻波的特性解释了电子绕核运动的能量、角动量的量子化问题。

基于小波分解与马尔可夫随机场的医学图像矢量量化分割

本文通过离散小波变换分解图像提取图像分割特征 ,利用矢量量化聚类和马尔可夫随机场建立分割模型 ,运用迭代条件模式法进行优化分割。同时 ,利用小波分解层之间的相似性关系 ,以上一层的优化分割结果作为当前空间内的初始条件进行逐层分割。实验证明 ,本方法能有效地对医学图像进行分割。

非形状不变势能谱关系分析

基于分析转移矩阵方法(ATMM)的量子化条件,研究了超对称量子力学中非形状不变势的精确能谱及两伴随势之间的能谱关系,与其它方法给出的结果相比,其结果较为精确,并证实在非破缺条件下,其能谱关系为E(n+)=En(+-1),而在破缺条件时,能谱关系则为E(n+)=E(n-).

用对应原理导出氢原子量子化能量、量子化电子轨道以及Bohr稳定轨道量子化条件

用对应原理导出了氢原子量子化能量、量子化电子轨道以及Bohr稳定轨道量子化条件 (角动量量子化条件 )

基于量化电压并行比较的IGBT状态监测保护电路

在中高压、大容量电力电子变流系统中,大功率IGBT模块是变流器的核心器件,而驱动电路是影响IGBT模块及其组成的变流系统运行可靠性的关键因素。已有研究表明,对于IGBT模块的突发故障与老化失效,通过驱动电路进行状态监测与保护是目前能够对其实现故障诊断最快的方法。因此,该文提出一种基于量化电压并行比较的IGBT状态监测保护电路。首先,建立IGBT模块等效电路模型,分析模块内部寄生参数对饱和导通压降V_(ce(sat))、短路电流I_(sc)、开通延迟时间t_(don)及门极峰值电流I_(gpeak)等状态参数的影响,利用其在不同老化程度下的变化范围构建IGBT模块的全寿命安全工作区,为量化电压设定提供依据。其次,以V_(ce(sat))与t_(don)作为采集对象,设定特定阈值,对检测信号进行量化,根据比较电路的逻辑输出实时监测并辨别短路故障与老化程度,从而保护IGBT模块。最后,利用Pspice进行仿真分析,验证了该方法的正确性与可行性。

基于学习矢量量化的空调压缩机声纹诊断方法

针对传统空调压缩机故障诊断工况信号采集困难的缺点,提出一种基于学习矢量量化(learning vector quantization,LVQ)神经网络的空调压缩机声纹识别模型用于空调压缩机故障诊断,将声纹识别技术引入压缩机故障诊断。对压缩机的声音数据进行预处理,包括预加重、分帧、加窗,在分帧步骤中针对压缩机的声音特性进行改进,通过计算声音信号的梅尔倒谱系数(Mel frequency cestrum coefficient,MFCC)得到压缩机声音的特征向量。在模型训练阶段,重点分析原始的LVQ算法和改进的LVQ算法的优缺点,对3种LVQ算法进行对比实验。实验结果表明,使用LVQ3算法学习的压缩机声纹识别模型在测试集上可以达到90%的召回率,研究结果为压缩机故障诊断提供了一种依据。

河南省泥石流形成环境的量化研究

河南省地处中原,位于全国二、三级地貌阶梯的过渡带,是一个泥石流多发地区,造成了生命财产的重大损失.泥石流灾害受地质、地貌、水文、气象、土壤、植被等自然因素和人为因素综合作用的控制,是山区地质环境和生态环境恶化的产物.文章首先介绍了河南省泥石流概况,分析了河南省泥石流发育特征及其成因,归纳出10个主要泥石流发生的环境条件因子,对其量化权重标准进行了说明;并以小秦岭地区为例,对泥石流灾害趋势进行了分析评价.

小秦岭地区泥石流发生趋势研究

泥石流灾害受地质、地貌、水文、气象、土壤、植被等自然因素和人为因素综合作用的控制,是山区地质环境和生态环境恶化的产物。介绍了小秦岭地区的地形地貌、气象与水文、岩土体性质以及人类活动情况,按耗散结构熵变的观点,建立了小秦岭地区泥石流灾害趋势系统熵模型,并进行了评价与验证,指出了该模型存在的不足之处;归纳出9个主要泥石流发生的环境条件因子,对其量化权重标准进行了说明与评价;对以后小秦岭地区泥石流趋势分析方向进行了展望。

用不同的方法导出里德伯常量

分别以角动量量子化条件的基本假设和对应原理准则导出里德伯常量,并将两种方法的结果与实验值相比较, 其结果具有一致性.

指数余弦库仑屏蔽势的精确能谱

利用分析转移矩阵方法,对任意3维中心力场势的能谱进行了研究,得出了指数余弦库仑屏蔽势的本征能谱,并与其他方法给出的结果进行了相应比较.

基于神经网络算法的车辆行驶识别研究

针对汽车行驶的识别问题,通过选取6种典型道路工况作为工况识别的初始样本,对每一种典型道路工况进行分块以对识别样本进行扩充,同时选取了10个能够充分表征工况特征的特征参数并进行计算,对每一种典型工况的特征参数值进行归一化处理后形成其对应的标准特征参数向量,构建初始的学习向量量化的神经网络工况识别模型,对工况识别模型进行有效训练以提升模型的识别精度。模型训练完成后的神经网络算法,运用综合测试工况进行工况识别仿真验证试验。试验结果表明:训练完成的神经网络算法能够有效地对实际工况进行识别。

测量条件对A/D动态有效位数评价的影响

针对正弦拟合法评价A/D动态有效位数时测量条件对动态有效位数评价带来的误差影响,进行了拟合误差界的搜索研究。选取的条件变量分别是A/D位数、幅度、序列所含波形的周波数、初始相位、直流分量以及序列数据点数。以两两联动的双条件组合方式进行误差界搜索,获得了动态有效位数评价的误差界随不同条件变化而变化的曲线规律,筛分出了显著影响量和不显著影响量。并对A/D位数、序列所含波形的周波数、以及序列数据点数带来的影响进行了深入研究,获得了误差界呈现量子化阶梯特征的显著规律,并获得了量子化阶梯边界点估计的经验公式。该结果可用于动态有效位数的评价误差和不确定度估计,也可用于在设定拟合误差和不确定度情况下选择测量条件。

条件刷新和矢量量化相结合的序列图像编码方法

文中提出了一种与矢量量化相结合的条件刷新序列图像编码方法．并对基本的条件刷新法的像素块的划分，量化门限的选取和非零像素块的地址编码做了研究．可以看出，矢量量化技术和条件刷新相结合的方案进一步提高了编码效率，利用查表法来实现矢量量化，提高了编码速度．文中同时也给出了方案的计算机模拟结果．

基于二次卡尔曼滤波修正的尾气排放分布

监测机动车尾气排放并制定科学减排措施迫在眉睫,而如何反映由交通需求变化引起排放分布变化是建立尾气排放分布模型的核心问题.按照"交通需求推演-机动车比功率参数确定-交通排放"的思路,利用机动车比功率参数标定交通需求与尾气排放之间的量化关系.以交通需求数据为基础,通过二次卡尔曼滤波修正交通流状态数据和交通分布数据,并通过动态交通分配获取实时车辆工况参数,与典型车型工况曲线匹配,确定车辆比功率在不同速度区间分布,而后,将机动车行驶特征工况参数代入国际车辆排放(international vehicle emission,IVE)模型中确定排放因子,计算得到区域内机动车尾气排放强度.研究表明,以15 min为预测周期,利用二次卡尔曼滤波估计交通需求的平均相对误差为8.89%,且利用IVE尾气模型模拟具有较好的可靠性.预测结果显示,实现基于动态交通需求的行驶工况所构建的交通污染分布模型具有可行性,且二次卡尔曼滤波修正提供了精度的保证,该推演数据可用于分析尾气分布,评价交通改善措施对尾气排放影响,为制定减排策略提供依据.

基于VQ的高速列车闸片温度状态监测方法

提出了一种利用矢量量化(VQ)算法对列车闸片温度进行状态监测的新方法.根据不同闸片温度序列设置模式库中的参考样本,进行数据训练和闸片温度数据识别与预处理,对高速列车闸片温度数据与各个参考样本进行相似性度量,最终根据VQ的思想求出欧氏距离,从而得到检测结果.结果表明:该方法误报漏报率低,响应时间快,有效消除列车闸片温度跳变的影响,能够满足高速列车闸片温度状态监测的实时性和准确度要求.