飞机机械操纵系统(MCS)优化设计

 针对国内飞机 MCS设计理论指导不足 ,MCS不能保证达到一级规范要求 ,提出以规范为目标 ,最优化设计 MCS的方法 ,并运用该方法对某飞机 MCS进行了改进设计 ,使该飞机的操纵品质在飞行包线内都达到一级品质要求     

家电企业营销链整合的途径

营销链是家电企业参与市场竞争的关键环节，对其流通网络的再造具有重要作用，文章总结了家电企业营销链整合的三个途径，分析了渠道自身剥离、建立产销联盟和发展代理销售等可供借鉴的有效方法。     

输入受限下流体网络系统控制器设计

由于控制的目标是流体的流量,流体网络是一个高阶的非线性系统。以往这方面的工作都是基于多变量线性模型,文中的设计是基于非线性模型。通过引入电路中的图论理论,建立了流体网络控制系统的非线性模型。基于反输入饱和技术,提出了一种反馈线性化的设计方法。综合运用微分包含、控制原理,得到了所设计系统渐近稳定的结论。     

自动测试系统适配器自动设计技术

 针对当前自动测试系统（ATS）适配器设计中存在的“自动化程度较低、缺乏通用性”的不足，开发了ATS通用适配器自动设计技术。建立了一整套通用适配器自动设计流程，在依次完成通用端口设计、UUT测点资源匹配、适配器开关网络设计、相关工程设计后即可实现自动设计一个通用适配器的目的。以某机载通讯设备自动测试系统为例，采用该技术可缩短ATS适配器开发周期至原来的1/3，降低开发成本，提高设计的标准化、通用化程度，适配器需要量由5个减为1个。     

基于信息熵的舰艇编队反导作战效能

介绍了利用信息熵描述交战网络中信息总量的方法。根据作战任务实际完成时间与期望完成时间之间的关系描述了信息传递的质量。说明提高网络中信息总量可以缩小反舰导弹所在的不确定区域;提高信息传递质量可以提高舰艇编队反导作战预警雷达的探测概率,并结合具体作战想定给出实例仿真结果。     

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.     

税务筹划的主体、目标及学科定位

对税务筹划主体与概念、原则与目标、学科定位等基本理论问题进行了初步探讨，认为税务筹划主体应是纳税人而不包括税收征管方。税务筹划的行为人既可以是税务筹划主体，也可以是社会中介机构。税务筹划是纳税人的一项基本权利，但应该遵循守法、成本效益等项原则，不可恶意挑战税法。税务筹划目标具有层次性，即可划分为基本目标与具体目标两个层次，基本目标应该注意保持与财务目标的一致性，具体目标可以是多项，具有针对性和从属性。税务筹划是连接会计学、财务学与税收学的一门边缘性、交叉性学科。从学科建设的角度分析，在会计学专业，税务筹划应该是税务会计的组成部分，其中战略性筹划内容，也可以作为战略管理会计的组成部分或形成“税务管理会计”；而在财务学专业，税务筹划应是一门新兴学科，属于财务学的范畴。税务筹划理论研究属于应用理论研究，其实施手段、技术方法更是具有较强的实用性。     

复杂空间四连杆传动系统的一种算法

1.引言 空间四连杆机构的运动关系是一个空间几何关系。确定四连杆相互位置时,存在着一球面与圆弧相交或两圆弧相交等情况,它们的运动与几何关系都以一些二次联立方程式表达。求解与根的判定都比较复杂,有时还要用迭代方法。本文所介绍的方法采用空间坐标变换,将空间四连杆机构的运动点转换到特定的平面内,利用平面三角形的几何关系求解。所用的方法都是典型的,简便易行,特别适用于计算机计算。     

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.