粗糙表面偏振二向反射分布函数的影响参数及其反演

针对目标偏振二向反射特性研究中模型参数难以准确确定的问题,分析了粗糙表面偏振二向反射分布函数的影响参数,并通过理论推导和仿真计算,研究了各参数对粗糙表面散射特性的作用机理。总结分析了现有参数反演方法,针对现有方法存在的理论缺陷,在P-G(Preist-Germer)模型的基础上,提出了利用"相对偏振分量-角度"的相关关系进行参数反演的方法,设计了参数反演算法,进行了标准反射板和绿漆表面的偏振二向反射特性测试实验,并根据实验数据进行了参数反演和模型验证。实验结果表明,改进的参数反演方法可准确反演所有模型参数。利用反演参数进行模型验证,结果显示模型预测数据与实验数据具有较好的吻合度,验证了模型的准确性。     

斐波那契数列的八种实现方法的探讨

C语言程序设计关于斐波那契数列问题的解决方案有七种,分别是两种循环结构的实现方法,一种数组变量的方法,四种用户自定义函数的方法,其中一种采用了递归函数的方法;在大学计算机基础课程中,利用Excel简单公式,演示斐波那契数列的实现方法。本文针对上述八种实现方法进行了详细阐述,使得一个简单的经典的案例覆盖了C语言程序设计的全部知识点,并与大学计算机基础课程教学关联起来,为大学计算机基础和计算机程序设计这两门课程的综合教学改革提供了一个很好地借鉴和示范。     

基于CCFHTLS算法的异步电动机转子故障检测

定子电流经低通滤波器处理后产生高斯有色噪声,限制了异步电机转子故障检测算法的辨识精度。针对该问题,提出一种抑制高斯有色噪声的异步电机故障检测技术。首先对采集到的定子电流进行预处理,利用逆同步旋转变换剔除基波,避免了直接检测时基波对故障辨识精度的影响。然后利用互相关函数(CCF)处理技术对高斯有色噪声的抑制作用,提出基于CCFHTLS算法的电机转子故障诊断技术。针对异步电机转子断条和偏心故障的识别进行试验,结果表明CCFHTLS算法可以有效抑制高斯有色噪声,并保留故障有用信息,显著地提高了故障检测的分辨率。     

中介轴承外圈故障动力学建模及仿真分析

为了研究航空发动机中介轴承故障特征,基于Hertz非线性接触理论,建立了一种考虑时变位移激励的4自由度中介轴承外圈故障动力学模型。采用双转子试验台对中介轴承外圈故障进行实验模拟,实验结果和动力学模型数值求解结果一致,验证了所建立模型的准确性。采用动力学模型仿真分析了中介轴承外圈存在缺陷情况的振动响应。研究了中介轴承振动方根幅值、波形因子、脉冲因子、峰值因子和峭度因子随缺陷大小、径向载荷的变化规律。结果表明:随着缺陷尺寸或径向载荷增大,中介轴承振动方根幅值呈增大趋势。脉冲因子、峰值因子和峭度因子等无量纲参数随着缺陷尺寸增加,先增大后减小。随着径向载荷增加,以上三个无量纲参数呈增大趋势。同时,证明方根幅值、脉冲因子、峰值因子和峭度因子等特征参数对中介轴承外圈故障敏感。     

RNN在降落伞开伞特性研究中的应用

为了对降落伞充气展开过程中的拉力、速度等关键特性进行预测,结合当下机器学习的研究热点,使用循环神经网络对空投试验数据进行学习和训练。文章对原始数据进行了归一化预处理并且采用批量梯度下降的训练方式;试验验证了循环网络方法对充气过程中重要参数进行计算的可行性;并且说明了时间序数索引项在试验中需带入网络参与计算的特点。试验结果表明,使用循环神经网络对训练集数据的开伞速度曲线拟合效果很好;计算结果能够准确反映开伞过程中的拉力变化趋势,峰值误差小于1%,且峰值时刻误差小于2%。     

新型含甲基苯基硅芳醚芳炔树脂的制备与性能

以1,4-二(4’-乙炔苯氧基)苯与甲基苯基二氯硅烷为原料,通过格氏反应合成具有二苯醚结构的含甲基苯基硅芳醚芳炔(PSEA-P2)树脂,进而制备其碳纤维增强复合材料。通过核磁共振(~1H-NMR)、红外光谱(FT-IR)、差热分析(DSC)、热重分析(TGA)、动态热机械分析(DMA)等分析手段对树脂及其复合材料的结构与性能进行表征。结果表明:PSEA-P2树脂加工窗口为110～175℃,适合复合材料模压成型;树脂浇铸体具有优良的力学强度和耐热性能,在室温～450℃未出现玻璃化转变,弯曲强度可达54.3 MPa,氮气下热分解温度T_(d5)达到531℃;T300碳纤维增强复合材料室温下弯曲强度可达518.0 MPa,400℃下弯曲强度保留率为53%。     

基于LSTMAttention网络的短期风电功率预测

提出一种基于LSTMAttention网络的短期风电功率预测方法。首先,使用LSTM网络对数值天气预测(NWP)数据的特征信息进行提取,同时采用注意力机制有效分析了模型输入与输出的相关性,从而获取了更多重要时间的整体特征；其次,使用卷积神经网络(CNN)提取NWP数据的局部特征,并引入压缩和奖惩网络(SE)模块学习特征权重,利用特征重新标定方式提高网络表示能力；最后,将局部特征和整体特征进行特征融合,通过分类器输出分类结果。利用NOAA提供的美国加利福尼亚州某风电场的数据进行案例分析,证明了所提方法的有效性。试验结果表明,与BP神经网络、自回归积分滑动平均模型(ARIMA)模型和LSTM模型相比,LSTMAttention模型具有更高的预测精度,证明了该方法的有效性。     

基于广义变分原理和锯齿理论的高精度层合梁模型

基于广义变分原理和精化的zigzag理论建立了高精度的层合梁弯曲和自由振动模型。为准确预测层合梁的力学行为做出两个预处理:首先采用线性zigzag函数[1]使面内位移在梁高度方向(z方向)上呈锯齿分布;然后通过弹性平衡方程构造了预先满足层间连续和自由表面条件的层间横向剪力,因此不需要剪切修正因子。另外,基于Reissner混合变分原理推导了该梁模型的控制方程和边界条件,并以正交铺设的两端简支层合梁为例,分析了静弯曲和自由振动行为。算例结果表明,该模型能够准确地预测位移、应力和自振频率,验证了本文方法的精度和可靠性。     

考虑条件风险价值的含多风电场电力系统经济调度

针对单一Copula函数在描述风速相关性时的限制性,通过引入mixCopula函数获取具有相关性的多维风速样本。引入条件风险价值理论,将风电功率的不确定性以经济性考量,建立了一种含多风电场的电力系统经济调度模型,协调经济性和安全性的问题。采用场景化理论对目标函数进行处理,使得计算得以简化。以含2个风电场的IEEE30节点系统为算例,分析风速相关性和置信水平对优化结果的影响,验证模型的合理性及有效性。     

基于民航团队旅客销售的组合预测方法分析

利用Matlab分别用回归分析算法、BP神经网络算法、最小二乘支持向量机算法和组合预测算法对民航团队销售数据进行预测和比较分析,期望为民航销售人员提供更加精准的预测信息,以获得更高的航线收益.结果显示神经网络、支持向量机和组合预测3种算法比航空公司常用的回归分析预测精准度有了明显的提高.支持向量机预测精度相对神经网络稍低,却拥有更强的泛化能力.组合预测能避免单一预测方法的误差,更加适合航线销售人员的实际操作.