光测力学现状及应用

 本文综合评述了光测力学的近况和发展,其中包括传统的光弹性法和云纹法,以及近代光测力学的全息干涉法、散斑计量和云纹干涉法。文中简要介绍了上述方法的基本概念和特点,并给出了若干工程应用的实例。     

定向结晶材料力学常数测试技术

高温材料的不断使用,使航空发动机性能不断改善。而高温下材料弹性常数难以获得,因为传统的力学测试方法难以进行高温下变形的精确测量。激光云纹干涉法具有高灵敏度、大量程、非接触、全场和实时观测等优点,从而得到广泛的应用。本文介绍了利用清华大学高温激光云纹干涉测试系统,对高温定向结晶材料弹性常数的测试技术。     

基于主成分和聚类分析的管制系统质量评估模型

为进行管制系统运行的质量服务水平评估,建立了初始管制系统质量评估指标体系,先用主成分分析剔除存在相关性、信息重叠的指标,再用聚类分析的迭代思想进行分类,得到最终管制系统质量评估指标体系。在此基础上用物元分析对管制系统质量进行综合评估。最后,通过算例分析验证了评估方法的可行性。     

Stokes问题的集中质量非协调有限元法

针对其平面有界凸区域上的一类非定常不可压Stokes方程，提出了一种新的有限元方法，借助于所谓的速度一压力混合型公式，讨论了非定常不可压Stokes方程的质量集中非协调有限元逼近格式(全离散情形)。首先，给出了非定常不可压Stokes方程的质量集中非协调Galerkin有限元逼近的全离散格式，其次，对所讨论问题的解与其所给出的离散问题的解之间的误差进行了分析研究；最后，利用Stokes投影算子的性质和离散的LBB条件，得到了非定常不可压Stokes方程关于速度L2模和能量模及压力L2模方面的最优阶误差估计。     

非稳态四阶椭圆方程的Galerkin有限元法

针对平面有界凸多角形区域上一类非稳态四阶椭圆方程 u t+Δ2 u =f (x,t) (x,t)∈Ω× [0 ,T]u = u n=0 (x,t)∈ Ω× [0 ,T]u(x,0 ) =u0 (x) x∈Ω的初边值问题进行了 Galerkin有限元方法分析。首先给出了所讨论问题的 Galerkin有限元方法的离散格式 ,其次对所讨论问题的解与其离散问题的解之间的误差进行了分析研究 ,最后利用椭圆投影算子的性质 ,获得了一定模意义下的一些误差估计     

“互联网+”背景下大学生科技竞赛培养策略探析

基于"互联网+"背景,针对大学生科技竞赛,以具体科研内容为依托,探讨了大学生科技竞赛团队的组建和目标建立,并融合飞行器设计三个成功案例,详细研究了大学生科技竞赛培养的关键策略,依托学校创新实验室平台,结合团队建设、人员组成、目标确定、科技团队融合发展等,实现了科技竞赛的实体建设和经验积累,为后续科技竞赛提供策略性参考。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。     

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。