A BENDING DAMAGE THEORY FOR BEAMS UNDER PURE BENDING LOADS

ＡＢＥＮＤＩＮＧＤＡＭＡＧＥＴＨＥＯＲＹＦＯＲＢＥＡＭＳＵＮＤＥＲＰＵＲＥＢＥＮＤＩＮＧＬＯＡＤＳＹａｎｇＧｕａｎｇｓｏｎｇ;ＬｕＹｉｎｃｈｕ;ＪｉｎＸｉｎ（ＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ,ＮＵＤＴ,Ｃｈａｎｇｓｈａ,...     

THE CREEP-DAMAGE MODELING CORRELATED TO TEMPERATURE FOR COMPOSITE SOLID PROPELLANT

ＴＨＥＣＲＥＥＰ－ＤＡＭＡＧＥＭＯＤＥＬＩＮＧＣＯＲＲＥＬＡＴＥＤＴＯＴＥＭＰＥＲＡＴＵＲＥＦＯＲＣＯＭＰＯＳＩＴＥＳＯＬＩＤＰＲＯＰＥＬＬＡＮＴＳｈｅｎＨｕａｉｒｏｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＡｅｒｏｓｐａｃｅＴｅｃｈｎｏｌｏｇｙ,１０８Ｌａｂｏ...     

分布式 Client/Server 智能应用系统 DIAS 的设计与实现

本文针对油气田储集层保护的复杂应用需求,基于分布式Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ计算机模型,设计了相应的分布式智能应用系统ＤＩＡＳ,实现了计算资源共事和知识、数据共享。该系统已在实际应用中取得了良好的效益。     

非线性动态系统的渐近滑态控制概述

总结和推广了非线性动态系统渐近滑态（ＡＳＭ）控制方法的若干理论成果。在相当一般的假设条件下,我们指出了可以采用连续（乃至光滑）的控制方案,将系统的状态驱往给定的滑动流形上。此外,我们还引入了基于Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程的理论方法,统一了先前得到的关于闭环系统鲁棒性分析的结果。最后我们列举了一些应用例子和研究建议。     

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。     

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。     

汉字库图形点阵库液晶模块在激光告警接收机中的应用

在激光告警接收机中,为了直观显示激光的波长和入射方向,需要研究信息的显示技术.研究了字符点阵液晶显示模块(LCM12864ZK)在激光告警接收机中的应用,实现了2线串行接口方式与单片机89C2051通信,完成全中文人机交互图形界面.设计了简单方便的接口,编写了灵活的操作指令,其模块化的设计思想为多显示模并行应用提供方便.研究成果已经运用到激光告警设备中,能够实现快速显示敌方激光的波长与方向等信息.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析;利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节;增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高;前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于装备战斗力的集群装备战损等级评定方法

为了建立集群装备战损评估决策支持系统的需要,对集群装备战损等级评定方法进行了研究.在集群装备的组成特点与评估装备战斗力的基本方法,战时实时评估与平时效能分析的区别与联系的分析基础上,建立了基于单装战损评估的战斗力评估模型,对模型的具体步骤与关键参数进行了详细阐述,由此进一步建立了基于模糊隶属度的集群装备战损等级评定模型.最后以示例对上述模型的具体应用进行了说明.     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.