基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

基于ICCD的空间微光成像系统成像性能研究

研究基于像增强型CCD（ICCD）的空间高分辨率微光成像系统的成像性能。通过理论推导及数学仿真的方法，对系统在微光条件下的能量传递、极限分辨力、信噪比以及调制传递函数进行分析计算。研究表明，系统在黎明照度条件下具有较好探测能力，通过对ICCD器件制冷可以有效提高系统信噪比，实现满月照度的探测成像。     

Whipple防护屏弹道极限参数试验

在中国空气动力研究与发展中心FD-18A超高速碰撞靶上进行了Whipple防护屏的超高速撞击试验。弹丸为LY12铝球,撞击速度为4.5km/s,撞击角为0°。通过固定弹丸速度、变弹丸直径、寻找弹丸临界直径的办法获得了该Whipple防护屏在试验条件下的弹道极限参数。试验结果表明速度为4.5km/s时的弹丸临界直径为0.35cm,大于用Christiansen方程预测的0.27cm。     

预应力索—拱结构平面内极限承载力研究

本文运用梁单元和索单元组成的混合有限元法对预应力索—拱结构平面内弹塑性极限承载力进行研究。利用牛顿—拉弗森法和弧长法对荷载—位移平衡路径进行跟踪研究,研究了索的预应力对结构极限承载力的影响,通过对这种新型结构的分析和研究,从中获得了对预应力索—拱结构设计有益的结论。     

挠性飞行器的脉冲调制控制

三轴稳定控制是大挠性飞行器有效和重要的姿态控制方式，喷嘴控制是实现三轴稳定控制的手段之一。本文针对伪速率调制器（ＰＳＲＭ）和脉冲调宽调频调制器（ＰＷＰＦＭ），采用非线性脉冲调制器线性化和描述函数两种方法来分析大挠性航天飞行器的姿态稳定性问题，并对某型卫星的远地点点火姿态控制系统进行了分析和仿真。     

多因素组合下发射载体出管速度偏差预估方法

运用极限偏差、合成标准差、统计分析、蒙特卡洛仿真等多种预估方法,对发射载体出管速度偏差进行对比分析。分析结果表明,极限偏差法工程应用成熟,但预估结果偏于保守,适用于影响因素尚未认知完全的工程型号;对于影响因素比较明确的系统,运用统计分析法、合成标准差法得到的发射载体出管速度预估值一致性好,方法简单,且具有较高的准确性;蒙特卡洛法计算过程复杂,可通过大量仿真计算获取出管速度的分布特性,得到对应不同指标的分布概率,相比其他几种方法,计算结果更加科学、合理。工程型号应用时,可根据实际需要组合使用上述方法进行发射载体出管速度偏差预估分析。     

人头马VSOP“用心跳”再次激情点燃上海

近日,被誉为特优香槟干邑专家的人头马VSOP携手优质偶像团体男才女貌,在CLUB GAGA震撼上演了一场美酒与活力交相辉映的用心跳劲舞派对,为时尚达人带来一次动感体验。同时,人头马VSOP带来了全新的跨越心极限的理念,通过打造独特派对体验来激励当下的年轻人,要勇于选择,努力突破,并无限释放自我潜能。     

基于聚类与粒子群极限学习机的航空发动机推力估计器设计

针对航空发动机推力不可测,部件级模型求解推力精度不高、实时性差的问题,提出了基于快速寻找密度极点聚类与粒子群极限学习机的航空发动机推力估计方法。首先利用基于快速寻找密度极点的聚类算法对全工况范围内的台架试车数据聚类,然后在每一个子类中,用粒子群极限学习机设计了子推力估计器。在子类推力估计过程中,为使网络拓扑结构最优,用粒子群算法寻找极限学习机的最优隐层神经元数目的方法。训练与测试表明,推力估计测试相对误差最大值为3.06‰,优于传统的RBF(7.25‰)与BP(14.84‰)神经网络方法,能够满足直接推力控制与机载在线实时状态评估的需求,且可将方法扩展到其他不可测参数的估计。     

基于改进极限学习机的数据采集与监控系统攻击检测模型

提出一种基于改进极限学习机（Online sequence extreme learning machine， OSELM）的新能源电站数据采集与监控（Supervisory control and data acquisition， SCADA）系统攻击检测模型。首先使用ADASYN算法对数据样本中的异常数据和正常数据进行数量平衡，以满足真实电站SCADA系统环境中异常数据量少的特点。接着使用降噪自编码网络对平衡后的数据进行约简，消除无关或冗余特征以降低检测模型的训练时间。最后在AWID数据集上进行了大量对比实验，结果表明，所提的数据约简方法可有效地降低数据维度，降低了检测时间；与其他基于浅层学习算法的检测分类器相比，本文所提方法在检测准确度和误报率方面也体现出了更优性能。     

Mathematica在一类数学问题中的应用

文章利用Mathematica从另一个角度给出了一类和式结果的算法,该算法简单实用.这不但进一步加深了对Mathematica的认识,而且提供了利用Mathematica解决某些数学问题的思想脉络.