推进剂中铝凝聚——燃烧的影响因素初探

本文对含铝复合推进剂中影响铝的凝聚-燃烧的重要因素-AP粒度与铝粒度-进行了探讨.结果表明,两者对铝的凝聚-燃烧过程都有很大的影响.仅凝聚程度的大小而言,AP粒度的影响是主要的,而铝粉粒度的影响是第二位的;但对燃烧完全性来说,则需综合考虑     

飞机零件协调方法的改进

经过理论计算分析，采用先进的数控一体化制造技术，对飞机３个典型零件的协调路线进行了改进，打破了常规的零件协调方法；实践证明，可有效地减少协调误差，降低工装成本，提高装配质量。     

神经网络运作模型：预测航空公司破产风险

金融分析员一直追求用更精确的方法来衡量企业的财务健康状况和预测破产。传统财务分析员通常通过计算会计报表的数据比率来衡量企业的持续运营能力。由奥特曼首创的种子分析方法(Seminal Research)形成了融合传统财务比率和统计技术的预测模型。他尝试应用域的判别式(又称为“Z Score"模型)提前三年预测企业破产,结果成功率为76%。在模型中输入量包括五个财务比率,用于衡量财务健康的四个指标:清算能力、杠杆率、流通量和盈利能力。后来许多测试均证实了奥特曼模型的预测能力。1981年,格里塔运用奥特曼模型成功预测到Braniff和大陆航空公…     

基于多GPU的大型线性和非线性方程组的求解(英文)

在处理工程问题时,常常需要对线性或非线性方程组进行求解。对于实际应用中经常遇到的大型方程组进行求解则需要相当长的时间。使用图形处理器(GPU)代替传统的CPU,将多块GPU通过操作系统进行协调,并将PBi-CGstab方法和Inexact Newton方法进行适合多GPU并行的改造以此作为多GPU求解器的核心算法,加速求解大型线性和非线性方程组。本文的多GPU求解器在成倍扩展了单GPU求解器允许的计算规模的同时取得了令人满意的加速比。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

基于非线性干扰观测器的四旋翼非奇异快速终端滑模控制

针对存在系统不确定性和外部干扰的四旋翼飞行器,提出了一种基于非线性干扰观测器(Nonlinear distur-bance observer,NDO)的非奇异快速终端滑模控制(Nonsingular fast terminal sliding mode control,NFTSMC)策略.首先,利用NDO估计系统不确定...     

浅谈Java 2D图象处理技术

本文介绍了Java 2D API的图象处理思想.通过以LookupOp查找表过滤器为例,分析了图象的即时模式模型,即对内存的缓冲区图象进行处理,再绘制到屏幕上的处理技术.同时介绍了利用Java 2D中提供的过滤器对图象数据的过滤操作.