大系统的 LQG/H∞优化模型降阶

本文给出了大规模控制系统的一种新的综合LQG/H_∞模型降阶方法。该方法同时兼顾了系统的时域特性与频域特性,使得对于在状态空间形式下的大系统的降阶既尽量保持原系统的频率特性,又具有与原对象更为接近的最小二次误差。     

决策系统的信息机理

本文从信息与决策的角度,分析了决策系统信息特性的几个侧面,为研究信息对决策系统的作用机理做了一些基础性的定量工作。     

基于 AutoCAD 的航空圆锥齿轮传动 CAD 系统研究

本系统为航空减速器ＣＡＤ 系统的一个子系统，针对航空减速器中关键零件圆锥齿轮进行了研究。系统基于ＡｕｔｏＣＡＤ平台，应用ＡｄｓＲｘ 及Ｃ＋ ＋ 语言编程，实现了航空圆锥齿轮的常规设计、校核计算、优化设计和参数化绘图一体化。实践证明， 该系统常规设计正确，优化设计结果合理，具有很高的工程使用价值。     

提速列车车厢减小空气阻力风洞实验研究

列车提速使得其空气阻力明显增大。为了减小空气阻力，列车车厢气动外形的研究变得愈加重要。在低速风洞中获得的实验结果表明，对现型列车车厢局部外形稍加改善，就能使得其空气阻力大为降低。这是实现我国列车提速最为有效的途径之一。     

浅析军工企业项目管理优化的思考

随着我国确定新时代的强军目标，我国军工产业不断扩大，军工项目蓬勃发展，军工企业也日益增多，然而军工项目管理却任重而道远。为紧跟时代步伐，军工企业不仅要具备项目管理基本能力，也要根据军工项目的特殊性进行拓展和创新。该研究首先介绍项目管理的基本概念，其次介绍军工项目的分类及其特殊性，最后针对目前普遍存在的项目管理问题进行分析，提出解决措施，以期为相关从业者提供参考。     

新时代退役军人人力资源管理优化策略分析

在我国人力资源体系当中,退役军人是重要的构成部分,同时也是一个比较特殊的部分。根据统计,我国退役军人的数量在5500-6000万之间,这是一个庞大的人力资源库。在开展管理活动的时候,要致力于将退役军人这一人力资源库盘活,将他们在社会经济建设与发展当中的作用充分体现出来。近年来,国家出台了相关的文件和政策对退役军人进行了人力资源管理,并取得了一定的成就,但在相关服务提供方面仍然表现出了不足。基于此,本文运用文献分析法、归纳总结法,从新时代退役军人人力资源管理的变化出发,探究了人力资源服务和人力资源管理的优化策略,希望为该领域的工作人员提供参考与借鉴。     

智能反射面辅助的无线网络加权和速率优化设计

针对智能反射面(intelligent reflecting surface, IRS)辅助的无线网络传输设计的目标是通过联合设计基站处的发送波束形成向量和IRS的反射系数,在满足基站发射功率和IRS单位模约束的条件下,使多个地面用户的加权和速率最大化。为了求解非凸的目标函数,提出一种交替优化方法,其中采用黎曼流形梯度(Riemannian manifold gradient, RMG)方法来优化反射系数,使用二分搜索法优化发送波束形成向量。此外,为了降低RMG方法的复杂度,设计了一种智能元素块坐标下降方法。仿真结果验证了所提算法的有效性,并且表明通过优化设计反射系数,IRS可显著提高无线网络的频谱效率。     

平流层飞艇气动特性相似缩比分析与风洞试验

阐述了平流层飞艇气动特性天地相似缩比分析设计方法,给出了刚体模型与柔性体模型完成风洞试验需满足的相似准则数,并指导完成两类缩比模型研制及风洞试验。通过对两类缩比模型风洞试验数据的分析,发现平流层飞艇不同充气内压下气动特性规律基本一致,但较刚体模型有明显的差异;柔性特征下的气动阻力系数明显高于刚体,在零攻角状态下甚至高出一倍,引发滚转气动力矩特性出现稳定与发散的本质变化。这对平流层飞艇特别是低压保形下的柔性气动特性评估,克服现有采用刚体气动特性数据或工程估算方法进行“动阻平衡”飞艇总体设计存在较大偏差的弊端,具有重要工程应用价值。     

基于齐默曼布局的微小型无人机气动布局设计研究

齐默曼布局是小展弦比实现大升阻比的优秀气动布局,相比于矩形翼等传统布局非常适合微小型无人飞行器使用。采用综合方法针对齐默曼布局开展小型飞行器的总体设计与气动设计工作,包括以下四个阶段,即通过给定设计目标对无人机任务载荷进行选型;基于翼载、质量和翼型之间相互迭代确定无人机总体参数;结合计算流体力学方法对无人机进行数值模拟,最终获得无人机具体气动参数并指导电子部件与飞控选型;通过工程试制完成样机制造并进行外出试飞实验,验证了齐默曼布局在低雷诺数下的气动优势。研究结果表明,齐默曼布局在微型固定翼无人机应用中展现出良好的表现。据此,本文进一步构建了一套基于齐默曼布局的高性能微小型固定翼飞行器设计方案。     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。