小波分析和人工神经网络在金属超声无损检测缺陷分类中的应用

基于金属超声检测中的缺陷脉冲回波为非稳态信号的特点，对高温合金材料超声检测信号的小波变换进行了特征分析，提取了各级小波分解信号的能量分布特征，最后将这些特征输入人工神经网络进行训练和分类，实验表明，这种方法具有良好效果。     

复合材料结构健康主动监测中激励信号的优化

利用L am b波频散方程及其数值求解得到的频散曲线,对L am b波模式及激励信号中心频率范围进行预测。建立了试验测试系统,利用集成在复合材料层合板上的PZT压电陶瓷片作为驱动器和传感器,激励并接收结构中激发的L am b波信号。对具有不同函数形式、中心频率和波峰数的信号激励,结构中传播的L am b波模式进行试验研究,为激励信号的选择与优化提供依据。利用H ilbert-Huang变换及H ilbert谱提取传感器信号特征,提出了L am b波信号在结构中传播时的能量衰减率和损伤敏感度两个考察指标,并据此对激励信号进行优化。实验结果表明,优化后的激励信号在结构中能激发出单一模式的L am b波(S0模式),有效地抑制了多模式现象的出现。同时,激发出的L am b波具有最低的能量衰减和最高的损伤灵敏度,响应信号特征明显,便于损伤识别。     

非结构网格二维理想MHD绕流逆风格式解法

在非结构网格上发展了针对二维理想磁流体方程组的逆风格式求解方法.控制方程中的对流项采用AUSM格式处理,时间推进采用显式5步龙格-库塔方法.为了消除计算中产生的磁场散度的影响,引入了双曲型散度清除方法.通过对磁流体激波管问题的求解验证了该方法对激波的捕捉能力,对有均匀磁场干扰下的喷管流动情况进行了数值模拟,并与文献中结果进行了对比.计算结果显示了磁场对磁流体流动的干扰效应,该结果与参考文献中的数值模拟结果相吻合.     

基于因子模糊化BP神经网络的磨损颗粒识别

在引入了一套磨粒形态学描述子来提取磨损颗粒的显微形态特征的基础上 ,采用人工神经网络技术 ,编制了用于磨损颗粒自动识别的 BP网络计算机模拟程序。在网络训练的过程中应用了本文引入的因子模糊化训练方法 ,使训练速度大大加快 ,以异或问题为例 ,速度可提高 5～ 1 0倍。应用此网络对磨粒测试库进行识别实验 ,识别正确率在 90 %以上 ,并且识别速度很快 ,大大优于传统的磨粒识别方法。     

Karman型四边夹紧正交异性矩形薄板的中等大挠度

利用Galerkin方法分析了Von-Karman型四边夹紧正交各向异性矩形板。所设的位移函数为梁振型函数，它不仅能精确地满足边界条件，而且具有正交的特性，从而把复杂的非齐次非线性偏微分方程组化为一组非线性代数方程组，通过非线性方程组的线性化和可调节参数的修正迭代解法找出问题的解。实践证明，梁振型函数收敛很快，只须取出级数的前几项即可满足精度要求。最后求出了不同复合材料的挠度和应力值并同已有的结果进行了比较。     

与电网电压同步的基准正弦电路设计与实现

提出并分析研究了一种全数字化技术的、与电网电压同步的基准正弦电路，给出了关键电路参数设计准则。试验结果与理论分析一致。该基准电路具有输出正弦电压与电网电压同步、THD小、幅值可调但不受电网电压波动的影响、简单实用、价格低廉等优点，在高频交流环节AC／AC变换系统、不间断电源系统UPS中具有重要应用价值。     

OFDM多载波系统中的自适应技术研究

本文在已有的多载波传输系统的基础上设计了一个改进的多载波系统模型,将信道编码技术,OFDM技术以及自适应传输技术相结合,使多载波系统的性能进一步的得到改善。同时本文还给出了一种在原有的传输算法的基础上归纳出的一个改进的传输算法-动态分块加载算法。     

双模量泡沫材料等效弹性模量的细观力学估算方法

目前常用的泡沫材料力学模型均不能反映出该材料的拉压双模量效应。因此,本文在分析泡沫材料拉、压变形力学机制的基础上,建立了一种可以反映泡沫材料拉压双模量效应新的细观力学模型,分别推导了泡沫材料等效拉伸和等效压缩Y oung′s模量的估算公式。此外,本文通过泡沫材料的单向拉伸、压缩试验,完成了泡沫材料拉压双模量效应的试验验证。估算公式的预测与试验结果的比较表明:理论估算公式的计算结果满足工程所要求的精度。     

数字地形数据的二维三次卷积插值

由于数字地形数据库是以网格的形式给出网格点上的地形高度信息，在低空突防轨迹优化过程中，往往需要非网格蹼地形的高度信息和地形曲面的导数，这些都是离散的地形数据库所无法提供的。对二维的地形数据进行插值是解决问题的有效手段。本文提出一种二维离散数据的插值方法－－二维三次卷积插值。该插值函数是地形曲面的三次逼近，具有连续的三阶导数，可以非常好地满足低空突防轨迹优化的需要。仿真结果表明，它具有比双线性插值和     

基于人工神经网络的道路表面降雨水深预测

建立了基于人工神经网络的道路表面水膜厚度预测模型，通过试验数据的训练确定权重和阈值，经过检验样本的检验，能够很好地预测道路表面的水膜厚度。结果表明，本文建立的人工神经网络模型用于道路表面水膜厚度预估可行。