基于早期数据的航天测控软件缺陷预测

为提高航天测控软件的质量与可靠性,提出一种基于改进的PSO-SVM(Particle Swarm Optimization-Support Vector Machine,粒子群优化支持向量机)方法的航天测控软件缺陷预测模型。针对航天测控软件领域特征,构造了基于软件生命周期的软件度量集,并收集了实际航天测控软件的度量和缺陷数据,通过对软件历史版本数据的学习,在软件当前版本的生命周期早期数据的基础上进行缺陷预测。实例应用结果表明,采用历史版本软件数据对当前软件版本进行缺陷预测,从全局来看可达90%的预测准确度。因此,该方法可用于对航天测控软件的缺陷预测。     

某大涵道比涡扇发动机风扇激波噪声降噪设计

为了研究民用大涵道比涡扇发动机风扇叶片弯掠造型对风扇激波噪声的影响,本文在基准风扇叶型的基础上,增大风扇叶片尖部前掠,加宽风扇叶片中下部和根部,设计了一种改型风扇叶片,并对基准风扇和改型风扇的前缘脱体激波噪声的一维传播特性进行了对比分析。结果表明,在海平面标准大气条件起飞工况和最大爬升工况下,改型风扇的激波噪声水平较基准风扇叶型低,证明该风扇叶型的弯掠改型设计有助于降低风扇激波噪声。     

关键能力和专业能力相结合的教学模式探讨

文章从分析高职教育学生关键能力和专业能力培养中存在的问题入手,提出培养关键能力和专业能力相结合的课程体系建设,提出加强文化基础课程的地位,并构建关键能力与专业能力相结合的课程模式体系和创新教学方法。     

基于静态删减算法的神经网络在软件可靠性预测中的应用

与传统的基于人工神经网络的软件可靠性预测模型结构普遍由预先经验或者通过不断尝试的方法确定不同,在分析一般的软件可靠性模型的基础上,提出将一种基于静态删减算法的神经网络模型应用到软件可靠性预测中。通过利用2组经典的软件失效数据进行仿真,并与传统的神经网络可靠性预测模型对比分析,研究了神经网络拓扑结构和预测精度的关系,结果表明,基于静态删减算法的运用能够提高神经网络模型对软件可靠性的预测精度。     

多媒体通信网络中基于优先队列的包调度算法的改进

多媒体通信网络的服务质量(Quality of Service，QoS)很大程度上依赖于包的调度算法，调度算法根据一定的服务原则来决定会话队列中包的优先级及其在输出链路上的发送顺序。本文针对一类以优先队列为基础的包调度算法．通过引入临界时间点和临界区间的概念．改进堆搜索方式，优化队列操作，提出了一个分步建堆算法。该算法在通常情况下具有一般堆搜索算法的高效率，但在会话突发情况下将建堆操作延迟分步完成，增加了建堆操作的动态性和灵活性，从而有效地提高了包的搜索效率和输出链路的利用率。     

基于URANS/TPP模型的风扇转静干涉单音噪声预测

为了解决风扇噪声三维高精度评估问题，基于非定常雷诺平均数值模拟（Unsteady Reynolds Average Numerical Simulation, URANS）模型和三平面压力（Triple Plane Pressure, TPP）模态匹配模型，发展了风扇转静干涉单音噪声数值预测方法。分析了URANS模型管道内单音计算的可行性，并建立了误差控制准则。在此基础上，采用URANS模型获得风扇非定常流场，同时基于TPP方法进行声源提取，得到管道内单音噪声的模态特性。基于国产某型大涵道比缩尺风扇试验数据，对模型准确性进行对比验证。结果表明，该模型能够进行转静干涉噪声的可靠预测。此外，进行了基于弯掠静子的低噪声叶片设计，并采用提出的数值模型分析了三维流场/声场，探究了基于叶型设计的转静干涉声源抑制机理，实现了对风扇低噪声设计的支撑。