涡轮泵状态监控及传感器故障识别的新异类检测方法

为了在故障样本稀缺、故障模式不完备的情况下监控涡轮泵状态,并剔除传感器失效故障造成的虚警,提出用于涡轮泵状态监控及传感器故障识别的单类支持向量机新异类检测方法。该方法以正常状态为目标类构建单类支持向量机检测器,用于检测涡轮泵是否出现异常;以传感器故障为目标类构建单类支持向量机检测器,用于判断检测到的异常是否属于传感器故障。对涡轮泵试车数据的分析结果表明了该方法的有效性。     

一种计算任意形状封闭区域面积的新方法

在图像模式识别中 ,面积是很重要的特征。提出一种计算面积的新方法 ,利用Freeman链码矢量分析 ,对边界像素标注综合处理 ,再进行边界像素坐标加权求和计算 ,求得目标面积 ;该方法与原有计算面积的方法相比 ,该方法实现简单 ,计算量小 ,结果准确     

武器系统总体设计集成框架设计与实现

讨论了支持武器系统总体设计的集成框架所要解决的主要问题 ,提出了基于共享产品模型和过程建模的集成框架体系结构 ,结合某武器系统的总体设计 ,研究了实现这类集成框架的主要技术问题 ,最后 ,给出了一个运用集成框架进行导弹外形设计的计算实例     

关于火工品设计的若干问题探讨

以一个导弹级间分离用火工方案为例 ,提出了“一次性产品”(火工品 )设计的主要问题 ,特别是对“一次成功”有重要意义的“产品故障树”进行了探讨     

基于串联铁耗模型的感应电机矢量控制分析

在分析感应电机铁耗基础上,给出了感应电机的串联铁耗模型,并提出了一种改进的矢量控制方案。该方案与传统矢量控制方案相比,减小了由于未考虑铁耗所导致的磁链定向误差。最后,通过仿真证明了基于串联铁耗模型的矢量控制方案的有效性。     

使用I-DEAS软件进行产品结构标准的计算

介绍了产品结构(productarchitecture)的定义和研究背景.目前有若干种方法来衡量产品结构,其中一种是结合实体建模程序自动完成量化工作,文中重点介绍了此方法.采用I DEAS软件,基于Steiner方法,所编程序植入I DEAS,从而实现产品结构的计算.     

模糊性测量及测量性质

运用Rough集方法定义有关认识上的模糊性 ,列举关于模糊性测量的方法 ,给出一个模糊向量的模糊性测量 ,并讨论这种测量的性质     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

高空风场条件风速概率分布与正态分布差异分析

在飞行器多学科优化设计中,高空风场是有重要影响的不确定性因素,需要准确获取其统计特性。高空风场条件风速的概率分布是特定的,为了便于将高空风场概率模型用于不确定性设计,减少计算量,提出了高空风场条件风速概率分布与正态分布差异的分析方法,给出了将高空风场条件风速概率分布简化为正态分布的适用条件。数值仿真结果表明:在纬度为24.3°N～42.2°N范围内,不同地区高空风场条件风速概率密度与正态分布概率密度的差异在海拔2～30 km范围内呈喇叭形分布,在海拔15 km附近,高空风场条件风速概率密度与正态分布概率密度最接近,高空风场条件风速的概率分布可近似假设为正态分布。综合以上工作,给出了在飞行器不确定性设计中考虑条件风速不确定性时,生成随机样本方法的选择建议。     

Defense–Growth Causality: Considerations of Regime-Switching and Time- and Country-Varying Effects

This paper develops a panel smooth transition vector autoregressive model to investigate the economic growth–defense causality. This model simultaneously resolves the estimation problems of endogeneity, heterogeneity, and nonlinearity. Empirical results support that the causality is bidirectional, nonlinear, time- and country-varying. Economic growth has a negative impact on military spending and vice versa. The larger the HDI, the smaller the negative causality. Evidently, the increase in the level of country development can reduce the negative impact of military outlays on economic growth. Reducing the ratio of military spending to GDP is beneficial for countries with low HDI scores; however, moderately increasing the share of military expenditure is favorable for countries with extremely high HDI scores. Policy authority needs to set optimal education, health, and economic development shares of GDP for purchasing a maximum economic growth rate.