并行科学计算应用的动态I/O模式分析

设计高性能并行文件系统的关键前提是对 Ｉ／ Ｏ 访问模式的分析和研究。并行文件系统的界面、组织结构、ｃａｃｈｅ 预取算法等都与具体应用的 Ｉ／ Ｏ 模式紧密相关。目前，大多数对 Ｉ／ Ｏ 模式的分析局限于其静态模式，而动态 Ｉ／ Ｏ 模式对并行文件系统的设计至关重要。本文通过分析并行科学计算应用的动态 Ｉ／ Ｏ 访问模式，总结出科学计算应用在访问数据量、时间间隔、访问顺序性等空间、时间上的一般访问特性，并在此基础上提出设计面向并行科学计算应用的并行文件系统应考虑的因素。     

复合材料圆锥壳稳定性分析的传递函数法

基于线弹性小变形理论， 利用Ｆｏｕｒｉｅｒ级数展开、Ｌａｐｌａｃｅ 变换和摄动方法， 建立了复合材料薄壁圆锥壳的静力响应、频率响应、自由振动与屈曲特征值问题的渐近传递函数解。构造了复杂边界条件、中间带支撑、变锥度及阶梯变厚度圆锥壳的传递函数解。数值计算结果表明该方法具有很高的计算精度。     

优化舰炮对海效力射方式的非线性规划方法

探讨了运用非线性规划方法解决舰炮对海上目标进行效力射时的射击方式的选择问题,从符合实际情况的合理假设出发,在此基础上给出一种在服从或近似服从指数毁伤定律条件下的非线性规划模型,计算结果可为选择效力射方式提供参考。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

姿控发动机脉冲工作的管路瞬变特性

采用有限差分格式的特征线方法 ,对某姿控推进系统发动机真实推进剂管路在脉冲工作情况下的瞬变特性进行了数值研究 ,对影响发动机多次脉冲启动的重要参数进行了定量计算 ,对比分析了试验结果与计算结果的一致性。说明该方法可方便地对包括许多管路、阀门和推力室的复杂系统进行动态性能分析 ,所得结果对于液体火箭发动机管路工程设计具有重要参考价值     

一类不确定大系统的分散变结构模型跟随控制

针对一类具有不确定参数和外界扰动的非线性大系统 ,在子系统互连项上界具有多项式形式的条件下 ,提出了一种分散变结构模型跟随控制器设计方案。该控制器不需要未知参数变化、外界扰动以及子系统互连上界的先验信息 ,能够通过自适应率对上述信息进行在线估计。在保证闭环大系统渐近稳定的条件下 ,同时实现了各个子系统滑动模态的存在性和可达性。理论分析和仿真结果验证了本文所提方案的有效性     

一种新的时频分析方法

首先分析了传统时频分析方法的特点及其局限性,而后评述了一种最新的适用于非平稳、非线性信号的通用的时频分析方法--基于经验的模式分解及希尔伯特变换谱,指出了该方法需进一步研究的有关问题     

正弦波型直流无刷电动机位置伺服系统的变结构控制

在分析正弦波型直流无刷电动机数学模型的基础上,采用比例等速变速控制策略(PCV)设计控制器,应用于正弦波型直流无刷电动机位置伺服系统.仿真结果表明:与传统PI控制器比较,PCV控制策略可以明显改善系统的品质,并增强系统的鲁棒性.     

用于无线ATM的协议及方法分析

ＷＡＴＭ 被认为是下一代个人通信网络的解决方案,或是Ｂ－ＩＳＤＮ 网络的无线延伸。目前无线ＡＴＭ 仍处于发展初期,ＡＴＭ 论坛和ＩＴＵ－Ｔ 都未制定正式标准,研究人员正在建立实验性的Ｗ ＡＴＭ 网络,并在其上面实验各种不同的协议。ＡＴＭ 类的无线网络将在未来的宽带通信网中扮演一个重要的角色     

长短周期记忆网络微调的氧气浓缩器寿命预测模型迁移

针对寿命预测模型迁移问题,提出了一种长短周期记忆网络微调(long short-term memory fine tune, LSTM-fine-tune)的迁移模型,利用理想条件下的试验数据对模型进行训练。在迁移过程中,对部分LSTM网络层进行冻结,利用实际服役环境下的数据对网络其他部分进行修正。为验证模型的泛化能力,采用不同相位与幅值的正弦函数生成数据,通过学习数据获取正弦函数的经验知识,并应用至其他正弦函数的回归,结果表明LSTM-fine-tune模型能够快速拟合,平均均方误差仅为1.033 5,明显低于直接预测误差1.536 8。为通过实际监测数据检验本方法泛化能力,分别获取了试验条件下与实际服役环境下氧气浓缩器的数据,对模型的泛化能力进行验证。结果表明,迁移后训练集预测精度提高了43.0%,测试集预测精度提高了20.2%。