3D-C/SiC复合材料拉-拉疲劳模量和电阻的变化

在室温最大应力为250MPa，应力比R＝0．1和频率为60Hz条件下，对3D－C／SiC复合材料进行了拉－拉疲劳试验。用共振法和电阻增量仪分别测试了杨氏模量及电阻的变化。结果表明：随循环次数增加，杨氏模量呈显著下降，缓慢下降和突然下降的变化规律。杨氏模量的下降大部分发生在疲劳循环的前600次。缓慢降低阶段约占疲劳寿命的94％以上，此阶段杨氏模量变化率与循环次数的对数近似呈线性关系，电阻变化率除首次循环降低外，随着循环次数增加一直在增加。增加规律大致可分为缓慢增加，台阶式增加和急剧增加三个阶段。材料的电阻变化率基本反映了纤维的损伤程度和破坏形式，可作为表征复合材料纤维损伤的有效参量。     

断续 CBN 砂轮缓进给磨削 K417 航空叶片材料的研究

 全面比较了用Al2O3和CBN磨削K417铸造高温合金时的磨削效果，指出：Al2O3不适于高效磨削K417之类的航空难加工材料，而CBN是实现该材料高效深切磨削的有效工具。通过大量实验，验证了断续CBN砂轮缓进给磨削K417时的技术优势，解决了树脂结合剂应用于断续磨削时所遇到的新问题。分析显示出该技术具有很好的应用前景和极大的推广价值。     

幂指函数在非线性规划中的应用

给出一种自适应近似函数－幂指函数f^-(x)在非线性规划中的收敛算法。它采用minx∈Enf^-(x)的最优解序列｛x^-｝去逼近原问题minx∈Enf^-(x)的最优解x^*.与传统优化算法相比：该算法最优解｛x^-｝可以通过f^-x(x)=0直接解析得出；该算法不要求序列｛f(x)^k｝具有单调减特性，却能够保证算法的收敛性，该算法的计算量对变量的维数不敏感，从而具有广泛的应用前景，从方法论上，它是采用“特殊非线性”来研究“一般非线性”的一种新方法。     

飞机纵向运动参数BP神经网络估算

针对飞机纵向运动方程复杂,现有的气动参数获得方法实现困难,不便于分析与控制飞机的运动,文中利用BP神经网络进行参数估算,建立了飞机短周期纵向运动参数估算的BP神经网络模型。研究了不同神经网络结构、不同的激励函数对飞机纵向参数估算BP网络模型的影响作用,进行了数字仿真,对误差进行原则性分析并提出改进措施。仿真结果表明,这种方法能较好的估计纵向运动方程中的未知参数。     

基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

建立了一种基于模糊聚类的模糊神经网络模型.该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数,利用BP算法调整模糊神经网络的权系数.应用该模型对某飞机模型做俯仰-滚转耦合运动的非定常气动力进行了辨识.结果表明,基于模糊聚类的模糊神经网络计算速度快,辨识结果与实验结果符合较好.用模糊聚类技术可以解决模糊神经网络的结构辨识问题,基于模糊聚类的模糊神经网络可以很好地用于复杂机动飞行的非定常气动力建模.     

多测速雷达弹道测量体制研究

对多测速雷达弹道测量体制进行了概念性研究，阐述了其数学原理并提出了一个具有工程意义的系统组成设想。分析结果表明，多测速雷达弹道测量体制是一种很有潜力的高精度测量体制，它在保证高精度测量的同时，可以实现系统机动、小型化，减少人员编制，简化设备维护，这些特性正是未来靶场测控系统发展趋势和导弹试验任务的迫切需求。     

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

Weibull分布可靠性分析

本文讨论了Weibull寿命型产品的分布参数、可靠性及可靠寿命的极大似然估计，包括点估计和置信区间估计，然后讨论了Weibull分布的Bayes可靠性分析方法，并使用Gauss—Legendre方法解决了Bayes分析方法中的积分困难，大大节省了计算时间，算例表明这种方法是合理有效的。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。