分布式创新中技术知识整合框架研究

基于演化、资源和知识的视角,提供了分布式创新中技术开发背景下技术知识整合的分析框架。从三个视角研究分布式创新要素,阐述了知识、知识转移和执行之间的结构关系,为企业整合知识资源,提高分布式创新能力提供借鉴和指导。     

光纤开关网络模块高速电路的设计与实现

讨论了FC（Fiber Channel）开关网络模块高速电路的设计与实现。开关网络模块的数据传输速率达到了1.0625 Gbps,其高速电路设计已成为系统能否可靠运行的关键因素之一。分析了传输线选择、特性阻抗控制以及信号完整性等问题,并阐述了布局、布线、电源地和叠层等设计方法。     

GA-BP神经网络在航空发动机状态监测中的应用研究

针对航空发动机状态监测问题,引入人工神经网络为发动机复杂非线性系统建立精确模型;选择以GA-BP贝叶斯算法作为神经网络训练算法,建立优化设计近似模型;以发动机排气温度的预测为例,构建了一个GA-BP神经网络对航空发动机状态进行预测。结果表明,GA-BP神经网络收敛速度快,泛化能力强,优于标准BP神经网络,因而为航空发动机状态监测提供了一种有效的方法。     

基于改进PSO-SVM参数优化的发动机起动过程辨识

针对影响支持向量机辨识性能的核函数及相关参数,找出使辨识结果最佳的核函数;结合两种措施改进粒子群算法,优化相关参数,选择最佳的参数组合.对比 BP 神经网络和支持向量机对发动机起动过程的辨识结果,得到支持向量机的辨识精度和收敛时间优于 BP 神经网络,与起动数据基本一致.在训练样本存在噪声的情况下,验证了所建辨识模型具...     

基于网络计划技术的冷校靶流程

为提高飞机大修效率,缩短大修时间,对其中航炮冷校靶流程进行了分析,运用网络计划技术原理并根据逻辑关系绘制了航炮冷校靶网络图,采用关键线路法对关键工序进行优化,调整关键线路进而有效缩短航炮冷校靶时间,对于飞机大修其他工作流程也可应用网络计划技术,从而能有效地提高飞机大修效率。     

基于神经网络的战时装备维修保障能力评估

介绍了神经网络的概念,阐述了BP神经网络的基本原理与方法,在系统分析战时装备维修保障系统的基础上构建了战时装备维修保障系统能力评估指标,设计了BP神经网络模型,通过Matlab仿真软件对结果进行计算分析表明,BP神经网络具有很强的解决非线性问题能力,适用于战时装备维修保障能力评估。     

基于人工神经网络的柔性机翼挠度预测

为实现对承载后柔性机翼挠度的准确预测,在全面分析柔性机翼挠度的影响因素基础上,应用正交试验法确定的影响柔性机翼挠度的主要因子作为输入变量,挠度作为输出变量,以大量试验数据为训练样本,通过多次试取隐含层和各隐含单元,并选取trainlm作为最优训练函数,最终建立了预测柔性机翼挠度的BP(Back Propagation)人工神经网络模型.在此基础上,随机选取试验结果中的12组试验样本,连续进行10次挠度预测,预测结果和试验实测值最大相对误差和标准方差分别为4.481%,1.033 7.解析结果表明:柔性机翼挠度预测结果与实验值吻合的较好,建立的人工神经网络预测模型具有较高的预测精度.     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

自适应神经模糊推理模型在复杂社会技术系统中的应用(英文)

考虑复杂社会技术系统的特点,运用自适应神经模糊推理模型对提高公益科研机构的组织效率进行了实例研究。建立了针对公益科研机构员工激励决策的自适应模糊推理完整模型,利用调研数据及其处理结果验证了模型的有效性。该模型融合了神经网络的学习机制和模糊系统的语言推理能力,弥补了神经网络和模糊逻辑系统各自的不足。研究结果表明,自适应神经模糊推理模型适用于复杂社会技术系统,在解决管理领域的预测、评估和决策问题中有广阔的应用前景。     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.