基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

典型索类结构的应用及索力计算方法

索结构是一种张力结构,被广泛地应用在现代军事和生活领域中,为了便于了解这类结构,阐述了索的力学特性,并指出索体的构成,以及常用索体的材料和性能参数.并对索在舰载直升机、斜拉桥等设施上的使用情况作了一定的介绍,并对这几种情况下索力计算及索力优化的方法进行了综合介绍.     

直升机机动飞行仿真的气动建模及试验研究

 建立了适用于直升机机动飞行仿真的动力学模型。为了提高模型的真实度,着重通过瞬态操纵实验研究建立了旋翼非定常气动模型;又通过旋翼/ 机身气动干扰试验研究,并运用神经网络技术建立了一种新的机身气动力模型。使用该仿真模型做出的UH260A 直升机仿真计算结果与飞行试验数据符合良好。     

刷式密封接触动力学特性研究

对刷式密封的结构动力学特性进行了分析,从弹性理论出发,考虑轴颈和密封环之间的非线性摩擦力作用,建立了密封环与转子相互作用的非线性动力学方程,推出了密封环对转子的非线性支承刚度的近似表达式,这一支承刚度的导出为研究转子—密封—轴承系统的非线性动力学行为奠定了基础。最后用数值仿真方法验证了本文推导出的表达式的正确性。     

ASL3000集成电路测试系统的检定方法

介绍了ASL3000集成电路测试系统的检定方法.通过分析该测试设备的特性,对线性信号、数字信号、混合信号、射频信号、基带信号模块的检定,采用自带通用仪表和检定程序实现;对于自带仪表的检定,则通过定期送检,溯源到国家标准.     

动量轮卸载对环月卫星SMART-1轨道的影响和定轨策略

动量轮卸载是卫星进行姿态控制的一种常用手段。通过对欧空局（ESA）首颗环月卫星SMART-1测轨资料的分析，计算了动量轮卸载对卫星轨道的影响，特别讨论了在动量轮卸载的精确信息未知时提高卫星定轨和预报精度的策略。计算表明，2006年5月29日至6月2日期间，SMART-1多达19次的动量轮卸载过程使得其轨道位置变化达到3km。如果不考虑动量轮卸载的影响，定轨结果相比于ESA重建轨道的位置误差最大可达742m。本文利用分段常数的经验加速度模型来模制动量轮卸载产生的小推力。计算表明，即使动量轮卸载的精确信息未知，采用该方法也可显著提高定轨和预报精度，定轨位置误差最大下降到246m。计算还表明，经验加速度的合理选择（周期性、常数或线性经验加速度）决定定轨精度的改善程度。考虑到我国的首颗探月卫星“嫦娥一号”也将采用动量轮卸载的方式进行姿态控制，本文的结论对我国的探月工程有一定的借鉴意义。     

超视距舰空导弹爬升段弹道设计

针对超视距舰空导弹中制导的爬升段,采取两段程序圆弧相结合的方法设计弹道,给出了导弹爬升段的高度与倾角指令,并对于在圆弧间及弧与高空平飞段两转接点处出现的抖动现象,通过改变转接基准并做必需的导引指令修正,有效地解决了抖动问题。最后的仿真结果验证了所设计导引律的可行性和对于消除抖动问题所做措施的有效性。     

机动目标三维空间导引运动建模及导引律研究

给出了导弹—目标追逃运动的空间矢量方程，在此基础上推导了三维导引运动模型。对机动目标应用李雅普诺夫稳定性分析方法提出了一种自适应变结构制导算法。六自由度数学仿真结果表明了模型的正确性和制导算法的有效性。     

NiCoP合金包覆空心微珠粉体的制备

采用粉体化学镀技术，以AgNO3取代常见的贵金属盐PdCl2作为活化剂，H2PO2^-取代Sn^2 作为还原剂，在空心微珠表面包覆NiCoP合金。利用扫描电镜、能谱分析仪分析包覆层的形貌和成分。结果表明NiCoP合金均匀包覆在空心微珠表面。并提出了这种改进工艺的一种可能的机理。     

时间的模糊区间段表示及其运算

介绍了Allen的区间代数及其扩展--INDU网络,将Heisenberg不确定性原理应用于INDU网络,将INDU的25种基本关系中两区间有端点相等的或区间段相等的这15种关系删除,这15种关系在现实世界中是不可能出现的,就产生了有10种基本关系的FINDU网络,给出了FINDU网络的复合运算表.FINDU网络在军事多自主体系统中可以得到很好的应用.