Linux内核技术分析及升级

针对Linux操作系统强大、稳定的功能,分析了其内核的诸多技术特性,并介绍了Linux内核升级的方法、步骤和注意事项.     

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。     

基于算子理论的系统可重构性评价与自主重构

针对航天器在轨资源严重受限（包括计算资源、硬件资源以及能量资源）的特点，开展了基于算子理论的航天器姿态控制系统可重构性评价方法和自主重构策略的研究。首先，基于稳定核表示（SKR）和稳定像表示（SIR）的算子理论给出了系统可重构性评价指标，定量地描述了系统的重构能力，突破了基于互质分解理论的系统可重构性评价方法对系统线性性质的局限。同时，基于以上结果，给出了系统可重构性最大边界，为设计人员设计自主重构策略提供了明确的指标；然后，通过在设计阶段考虑系统可重构性，充分挖掘并利用系统重构潜力，为自主重构策略的设计提供理论指导；最后，通过仿真验证了所提方法的有效性和正确性。     

SVM在气体减压器稳定性能中的应用

使用支持向量机(SVM)研究涡轮气封减压试验系统中高压卸荷膜片式减压器的稳定性问题,主要集中于以往方法不易涉及的多结构参数变化.针对稀疏易有残缺的小样本空间,与BP(back propagation)神经网络模型进行对比,得出SVM方法在所研究数据集上的一些结论:SVM模型预测性能在多结构参数变化情形下优于BP神经网络模型,预测误差平均降低了25.5%;SVM的泛化性好于BP;在双参数、三参数情形下,SVM模型为气体减压器的设计提供了更好的决策支持,给出了优化结构参数的设计建议.      

一种基于小波的快速景象预处理算法

由于景象匹配中基准图与实时图的差异，景象的预处理被证明是提高匹配概率的重要途径。在小波算法的基础上，提出了一种与小波预处理算法等价的预处理卷积核。这一卷积核保留了小波预处理算法在匹配概率和匹配精度方面的优点，同时降低了运算的时间复杂度。卷积核对每个像元的操作只需要完成4次加法运算，无需浮点数和乘法运算，便于DSP和FPGA的实现。     

高校图书馆期刊订阅与服务

核心期刊论文数量已成为评估高校科研实力的重要指标，也是教师岗位评定、定岗定级的重要依据。高校的主要功能是人才培养，包括教师学术水平的提高，教学与科研能力的培养等。作为重要导向的核心期刊论文，其期刊采购标准与学术水平应与高校的目标相一致。高校图书馆的期刊订阅与服务也需紧紧围绕这一目标，服务于教师的教学与科研。因此按学院学科发展规划，建立符合学院学科发展的期刊订阅与评估体系至关重要。     

灰色犹豫模糊集的核与灰度的灰关联决策方法

首先，将犹豫模糊扩展为灰色犹豫模糊集。其次，用灰色系统“核与灰度”的方法代替了传统中预设决策者风险偏好的数据增补方法，在不改变信息域的前提下，提升了可信度。进而将“核与灰度”运算法则扩充到灰色关联度的决策中。最后，通过实例演示了方法的适用性和可行性，并与相关文献方法进行了对比研究与分析。     

多铺层碳纤维蜂窝板模型修正

 蜂窝板是现代飞行器的主要承力结构,通过分析各形式响应面适用范围,提出Linear-and-Gaussian组合核支持向量机(SVM)响应面和基于分组控制策略的改进粒子群优化(IPSO)算法。用ANSYS的SHELL91单元建立多铺层碳纤维蜂窝板的有限元模型(FEM),并通过正交试验设计和F值检验确定待修正结构参数,构造Linear-and-Gaussian响应面以拟合待修正结构参数与蜂窝板模态频率的关系并检验响应面模型有效性。最后,用基于分组控制策略的IPSO算法对响应面模型中的结构参数进行修正,修正后参数代入原有限元模型得到修正模型。通过对修正前后模型模态频率与基准模型模态频率在测试频段内外的对比,证实了修正后模型具有良好的复现能力和预测能力。     

基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法

针对基于机匣测点信号的航空发动机滚动轴承早期故障诊断问题,提出了一种基于正则化多核判别分析的融合诊断方法.该方法首先提取多种类型的滚动轴承故障特征;然后采用相同的一组核参数为不同类型的特征分别构造一组核矩阵,并将所有核矩阵组合在一起;最后通过求解一个半无限线性规划得到该组核矩阵关于正则化核判别分析的目标函数的最优线性组合系数,进一步采用该系数计算所有核矩阵的线性组合,从而实现多种类型特征信息的融合.实验结果表明:该方法诊断正确率与采用单一类型特征诊断的最高正确率相比提高了9.25%,同时可以避免核矩阵需要人工选择的问题,从而进一步提高了故障诊断的自动化水平.      

基于主分量分析的多维时间序列特征选择方法研究

研究了多维时间序列的特征选择问题。首先,讨论了主分量分析的原理;然后,将提出的斜率趋势算法和核函数分类算法应用于多维时间序列的特征选择过程中,并探讨了两类方法的优缺点;最后,采用两种算法对目标距离像多维时间序列进行了仿真实验。实验结果表明了所应用方法的可行性和有效性.