一种组合型中点SPWM采样方法的研究

  目的  为了降低中频逆变电源的开关频率,保证输出波形质量,同时易于数字化实现,提出一种基于切−割线中点逼近的SPWM采样方法。  方法  推演证明能够逼近自然采样法的数量关系,并搭建Matlab/Simulink仿真模型,将此算法设计应用在中频逆变装置上,从仿真与试验两个方面验证所提方法的正确性。  结果  仿真结果表明,基于切−割线中点逼近法的输出波形的总谐波失真为2.64%,小于对称规则采样法的3.99%。现场工程试验结果表明,基于切−割线中点逼近法的波形质量明显优于对称规则采样法,既降低了开关频率又兼顾了总谐波失真要求。  结论  基于切−割线中点逼近的SPWM采样法应用在中频电源中,有效克服了对称规则采样法输出波形质量不高、开关频率高等不足,理论分析和工程实践均验证了所提方法的合理性与正确性,并可广泛推广到中频电源实装领域。     

基于NURBS的三维船体曲面重构

针对重大件货仿真系统中船体曲面造型问题, 给出了基于NURBS (非均匀有理B样条方法) 技术重构船体曲面的主要步骤。对于给定的船舶型值点, 用累加弦长参数化方法构造节点矢量, 用非均匀有理B样条方法进行横剖线和水线的全局插值, 并构造出规整的船体曲面的插值点网格, 进而重构出以NURBS为统一数学表达式的船体曲面。仿真结果表明应用NURBS方法重构出的三维船体具有高度真实感。     

基于ADASYN-XGBoost的交通事故自动检测方法

基于数据驱动的交通事故自动检测对道路事故的及时救援与降低事故影响具有重要作用。为解决道路交通事故自动检测中的样本不均衡问题,研究了混合自适应过采样技术与极限梯度提升树算法的交通事故自动检测方法（ADASYN-XGBoost）。其中,为从不均衡的交通事故样本中有效挖掘数据的时空特征与事故发生之间的内在关联规律,构建了初始特征变量组合,引入自适应合成过采样方法（adaptive synthetic oversampling method,ADASYN）来平衡事故类与非事故类的样本数量,以增强训练数据的质量;其次,为提高检测效果,构建了基于XGBoost的交通事故检测模型,利用该模型对增强后的数据样本进行特征筛选;最后,为获取最佳参数组合,采用了贝叶斯优化算法对XGBoost进行参数的快速标定。本文使用波特兰高速公路数据集对ADASYN-XGBoost方法进行模型验证与实证研究。结果表明：与先进的基准模型相比,ADASYN-XGBoost的各项检测指标均最优,其F1分数达到94.47%且误检率低至8.95%。在模型训练样本数为2800,500（18%的初始样本量）,150（5%的初始样本量）时,ADASYN-XGBoost的F1分数分别为94.47%,88.89%,81.93%。在进一步的消融实验中,均衡正负样本后各基准模型的性能指标提高了2.68%~44.85%。本文提出的方法能够有效解决道路交通事故检测中的样本不均衡问题,同时也为道路交通安全预防与事故处理等提供了技术保障。     

Improvement of efficiency and flexibility in multi-slice helical CT

One of the main aspects in computed tomography (CT) development is to make CT rapidly scan a large longitudinal volume with high z-axis resolution. The combination of helical scanning with multi-slice CT is a promising approach. Image reconstruction in multi-slice CT becomes, therefore, the major challenge. Known algorithms need to derive the complementary data or work only for certain range of pitches. A reconstruction algorithm was presented that works with the direct data as well as arbitrary pitches. Filter interpolation based on the proposed method was implemented easy. The results of computer simulations under kinds of conditions for four-slice CT were presented. The proposed method can obtain higher efficiency than the conventional method.     

试谈监理试验室的取样及样品管理

根据公路工程监理试验室实际工作的特点,提出样品从取样到试验室检测的全过程管理.简要阐述取样人员应具有综合素质要求,取样规则、方法,对样品的管理要规范化,以保证样品的代表性和检测结果的真实性、可靠性.     

包满铁路（白巴段）沿线植被资源调查

以新建铁路包头至满都拉线（白巴段）沿线植被为研究对象,采用典型样方调查和遥感解译相结合的方法,从宏观和微观两个层面对研究区植被资源进行综合调查分析。结果表明：研究区域景观基质为草地,温性荒漠草原是研究区的主要草地类型,植物群落主要由针茅、黄沙蒿、羊草、糙隐子草、冷蒿和苔草等组成,区域总体生物量不高。     

通用数字信号处理平台的实现

简述了PCI20012卡设备驱动程序的工作过程,介绍了基于开发软件包实现高速数据采集和模拟信号输出的程序编制方法,最后,给出了在Windows平台下使用多线程技术的通用信号处理系统实例,并给出了C＋＋源代码。     

采制样系统破碎机防堵煤技术改造

通过分析采制样系统破碎机在实际应用中出现的堵煤情况,改变破碎机疏通器结构,减少系统堵煤情况的发生,保证了采制样系统高效稳定运行.     

Robust expected violation criterion for constrained robust design problems and its application in automotive lightweight design

Metamodeling techniques are commonly used to replace expensive computer simulations in robust design problems. Due to the discrepancy between the simulation model and metamodel, a robust solution in the infeasible region can be found according to the prediction error in constraint responses. In deterministic optimizations, balancing the predicted constraint and metamodeling uncertainty, expected violation (EV) criterion can be used to explore the design space and add samples to adaptively improve the fitting accuracy of the constraint boundary. However in robust design problems, the predicted error of a robust design constraint cannot be represented by the metamodel prediction uncertainty directly. The conventional EV-based sequential sampling method cannot be used in robust design problems. In this paper, by investigating the effect of metamodeling uncertainty on the robust design responses, an extended robust expected violation (REV) function is proposed to improve the prediction accuracy of the robust design constraints. To validate the benefits of the proposed method, a crashworthiness-based lightweight design example, i.e. a highly nonlinear constrained robust design problem, is given. Results show that the proposed method can mitigate the prediction error in robust constraints and ensure the feasibility of the robust solution.     

���ģ��ͨ��Ԥ�ⷽ���о�

随着交通信息化的快速发展,可供分析的交通流数据量越来越大,如何利用大规模交通流数据进行交通预测分析是智能交通的重要研究内容.为解决大规模交通流数据预测问题,本文提出了一种基于分层抽样与k均值聚类相结合的抽样方法,并与基于序贯最小优化方法的支持向量机结合,进行大规模交通流预测.实例分析结果表明,本文提出的聚类方法比现有抽样方法的抽样质量有所提高,基于序贯最小优化方法的支持向量机可有效提高交通流预测的精度.因此,本文提出的方法对于大规模交通流预测是有效的.