单调集对策的核心单调分配法

在分析Young,H.P.Monotonic,H.P.Cost,L.Jew等人对合作对策联盟单调的核心分配法研究的基础上,证明了任意人单调集对策总存在联盟单调的核心分配法.     

有源集成器件PDN矢量拟合建模方法

基于矢量拟合(VF,Vector Fitting)原理和电路综合理论,提出了一种有源集成器件宽带电路建模方法,用于电磁兼容仿真.将在直流偏置下测量获得的端口参数采用矢量拟合方法转化为极点-留数与时域状态方程的形式;然后创建时域电路模型,将状态方程转化为与SPICE(Simulation Program with Integrated Circuit Emphasis)兼容的网表电路模型.该网表可以代替原芯片PDN(Power Distribution Network)用于电路仿真,最后使用该方法对样本芯片PDN模块建模并与相应的集成电路等效模型(ICEM,IC Electromagnetism Modeling)进行对比,结果表明:矢量拟合模型相比ICEM模型具有更宽的有效带宽以及更小的模型误差.     

双模态超燃冲压发动机对隔离段性能的需求分析

为研究双模态超燃冲压发动机的燃烧室一隔离段共同工作过程,分析不同模态下燃烧室对隔离段的性能需求,在基于集总参数方程的超燃冲压发动机性能计算模型的基础上,提出计算燃烧室一隔离段流量平衡的临界能量法,并编制相应的计算程序,实现双模态超燃冲压发动机各种模态的隔离段和燃烧室的流量平衡计算,计算在不同的模态下隔离段和燃烧室的一维流动参数,进而获得隔离段的性能需求,计算飞行马赫数4．0到7．0时的临近堵塞边界的最大供油量与隔离段最大激波链长度。结果表明：临界能量法正确有效,能完成燃烧室一隔离段流量匹配计算;高飞行马赫数下的堵塞模态的隔离段激波链长度较长,应作为隔离段的工程设计中所参考的重要因素。     

基于随机森林的风洞马赫数预测模型

在风洞试验中,马赫数的稳定性和快速性对风洞流场品质有着重要影响。为了实现马赫数的精确控制,必须对马赫数进行快速、准确的预测。风洞试验积累了大量数据,大数据集包含了更多的有益信息,为实现马赫数的精确预测提拱了可能性,但也增加了建模的复杂度。通常高度复杂的模型会加重其在实际使用时的计算负担。针对大数据集问题,本文将随机森林方法应用于风洞马赫数建模。随机森林是一种集成模型建模方法,它从3方面降低模型的复杂度:产生多个样本子集,减少了子模型的训练样本个数;具有并行集成结构,子模型可在不同的CPU上运行,提高了运行速度;以简单学习算法回归树作为基学习机,降低了子模型的复杂度。试验证明基于随机森林的马赫数预测模型能够有效利用试验积累的大数据,满足工程上预测速度及精度的要求。     

基于水平集方法的复杂地质速度模型表达

地质速度模型表达的难点在于对复杂地质现象的精确描述和对正、反演应用的有效支持。提出了一种将速度间断面信息以隐函数的零等值面形式内嵌于速度模型的表达方法,多重拷贝策略使得相邻的速度块体互不干涉,妥善处理了在速度间断面处插值速度信息的矛盾。该表达方法适于描述复杂地质构造下的速度模型,如多值层面和具有非流形性质的断裂层面。在基于射线理论的应用中,利用符号距离场和速度间断面二叉树能迅速获得空间任意点的速度信息,检测射线与速度间断面的相交关系,并使射线在速度间断面处严格执行Snell定律,提高了射线路径的正确性。两组射线追踪的应用实例验证该表达方法的有效性。      

航天器真空热试验人员窒息预想事故的事故树分析

事故树分析法具有逻辑性强、形象化的特点,将安全事故与原因用逻辑树图的方式表现出来,能够系统分析安全事故产生的原因,明确安全管理工作的重点。文章对航天器真空热试验人员窒息预想事故进行了事故树分析,分析了导致事故发生的基本事件,求取了最小割集、最小径集,并对基本事件进行了结构重要度分析,根据分析结果提出了安全预防措施的建议。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

应用快速多分类SVM的航空发动机故障诊断方法

提出了一种新的快速多分类SVM算法,用于解决大样本情况下航空发动机的多类故障诊断问题。首先,选用层次支持向量机(H-SVM)来实现多类分类,用各类数据中心代表该类数据,通过自组织特征映射神经网络(SOFM)进行聚类,把类中心之间距离较近的数据归为同一个子类进行训练,得到H-SVM层次结构。其次,在训练H-SVM中的二元分类器时,应用相对边界向量(RBV)代替全部训练样本,在保持分类精度几乎不变的条件下大幅度减少了训练样本数,使训练时间明显缩短;同时,由于支持向量的数量减小,分类时间也相应缩短。在分类数据混迭较为严重的情况下,新算法先剔除混迭的异类数据,再计算RBV,并且把与计算的RBV距离小于一定数值的样本都选择来训练SVM,保证了RBV的合理性,防止了关键数据的丢失,有效提高了分类精度。针对一个航空涡喷发动机5类复合故障的分类进行了实例仿真,总的故障分类正确率达到91.2%,二元SVM的训练时间最多只有原来的16.20%;当训练样本总数达到7500的大规模情况下,根据本算法,约减后的样本数量只有原来的3.05%。仿真结果表明,提出的算法有效、可靠,容易实现。     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。     

装配仿真技术在飞机并行设计阶段的应用

介绍了应用装配仿真的意义,分析了装配仿真与数字化预装配的区别与联系.提出飞机制造企业应用装配仿真技术的支撑平台和总体规划方案,结合装配仿真技术应用的实际情况,重点讨论了在产品并行设计阶段装配仿真技术应用所涉及的关键技术和解决途径.最后针对装配仿真技术应用的不足,提出了建议和展望.