基于逆仿真的直升机机动飞行科目数学模型及其应用

逆仿真可以驱动直升机仿真模型完成预定的机动科目,给出完成该机动的操纵输入规律和飞行状态变量的时间历程,因此建立机动科目数学模型是逆仿真的前提。本文提出了一个较通用的直升机机动科目分段函数描述方法,该方法可以对ADS－33E－PRF规定的大部分任务科目建立逆仿真所需的数学模型。以UH－60A“黑鹰”直升机为例,将以该方法所建立的机动科目“转向目标”、“障碍滑雪”数学模型应用于逆仿真,并依照ADS－33E－PRF的有关指标,根据仿真结果对“黑鹰”直升机驾驶品质的某些方面作出了评价,结果表明,该方法建立的数学模型能够真实有效地描述机动科目。     

逆压力梯度下的自由流湍流度对湍流边界层特性的影响

本文对有逆压力梯度下的自由流湍流度对湍流边界层特性的影响做了较为仔细的测量,做了边界层内平均速度分布、壁面摩擦系数、压力梯度、边界层内三个方向脉动速度以及脉动总压的测量。试验结果指出:自由流湍流度的增加可大大削弱逆压力梯度对湍流边界层的不利影响,可使边界层速度分布饱满,尾迹强度减弱,从而延迟边界层分离。试验还首次得出自由流湍流度的增加可使边界层内的速度脉动和压力脉动分布均匀以及流动趋于稳定,因而可同时改善扩压器出口的静、动态特性。     

神经网络集成的分布式入侵检测方法

分布式入侵检测系统需具有分布式检测功能及部件增量更新能力.文中提出了一种基于神经网络集成的分布式入侵检测方法,采用单个Agent检测与多个Agent协同检测的两级集成算法实现分布式入侵检测;在发现新的入侵时,Agent上的神经网络集成采用基于资源分配网的增量学习算法进行更新.实验结果表明,该算法能有效检测各种攻击,并且具有对未知攻击的增量学习能力.     

神经网络二次学习影响系数加权法及算例

神经网络由于其本身具有的优越性，已广泛应用于各个领域中的分类，联想问题，为了提高诊断准确度，给出了一种新的神经网络学习算法－二次学习影响系数加权法，并通过算例和实例对上述模型和算法进行了验证。     

基于BP神经网络的复合材料性能预测

针对复合材料性能表征十分复杂、困难的情况,利用人工神经网络的BP算法,建立了复合材料性能预测模型。模型由3层神经元组成,分别为输入层、隐含层和输出层。以碳/陶瓷复合材料性能与成分的关系为研究对象,选取了38组实验数据作为学习样本,模型总误差为0.18,用建立的网络预测未知,并给出预报曲线。和试验值相比较表明,所建立的网络能反映碳/陶瓷复合材料组分与其材料性能之间的关系,为实验设计提供了新的思路,节省了时间和劳力。     

矩阵A的{1}逆、{2}逆的秩

本文就矩阵的两种广义逆{1}逆和{2}逆的秩进行了讨论，得到了一些有用的结果。     

多媒体教学与高职生自主学习能力培养模式

根据新生自主学习能力问卷调查结果,以建构主义为理论依据,探索在多媒体技术手段下培养和切实提高高职学生英语自主学习能力的模式。     

有初始横流阵列射流冲击的三维数值计算

对具有初始横流的阵列射流冲击的流场和温度场进行了三维数值计算 ,研究了射流孔与冲击靶面间距、射流冲击孔排列方式和射流与横流质量流量比等因素对换热特性的影响。结果表明 :( 1 )在不同的射流孔与冲击靶面间距下 ,对于给定的射流与横流质量流量比 ,顺排方式的冲击冷却效果要优于叉排方式 ;( 2 )射流孔与冲击靶面间距对阵列射流冲击的流动和换热特性影响是非常复杂的 ;( 3 )随着初始横流与射流质量流量之比增加 ,在相同的射流孔与冲击靶面间距下 ,顺排和叉排方式的冷却效果均呈现单调的下降     

基于非线性预测的逆传播神经网络算法优化策略研究

逆传播神经网络算法是人工神经网络用于非线性预测的主要学习算法。它具有思路清晰，结构严谨，操作性强等特点，但同时也存在预测精度低，收敛速度慢等问题，本文从神经网络模型的结构出发，对学习算法提出了一系列改进和优化措施，以加快网络的学习速度，并增加模型的稳定性。     

离子轰击表面强化技术的应用与发展

介绍了离子镀、离子渗、离子注入及其复合工艺的应用与发展。并指出表面强化的发展方向是采用复合工艺和实行设计、工艺与设备三结合的方法来提高工件承受应用状态下适应某种特性要求或延长使用寿命的能力