热流计1:1分度装置与敞开式大平板分度装置分度差异的研究

分析了所研制的1:1热流计分度装置与常规的敞开式大平板热流计分度装置由于分度方法不同而导致的分度差异,并用差分方法对这种差异进行了计算。理论计算和实际测试结果都表明:对同一热流计,1:1分度装置的分度值比敞开式大平板分度装置的分度值高出20％左右。     

基于MAS和RL的舰船设备协同控制方法

在构建舰船设备协同控制多智能体系统(MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律,为了有效地发现和消解这些问题,引入智能控制解决方案和强化学习方法,能为MAS系统的构建提供有效的技术保障.本文提出了基于强化学习(RL)算法即改进的遗传算法并辅之以贝叶斯学习算法,来解决舰船MAS中各Agent中的任务分配问题、实现设备协同控制的优化和学习,并以舰船运动目标下的设备协同控制来具体验证上述算法,从而体现舰船运动控制MAS的可行性.     

高超声速风洞气动布局设计

在分析国内外高超声速风洞发展现状的基础上,根据南京航空航天大学高超声速风洞(Nanjing Universityof Aeronautics & Astronautics Hypersonic Wind Tunnel,NHW)总体技术指标和要求,对该风洞气动布局设计方案和备部件的气动设计进行了研究.风洞气动布局设计点为马赫数5和8、设计总压为1 Mpa、总温685 K;风洞驱动方式采用高压下吹-真空吸气式方案,运行时间大于10 s、高压气源容积为32 m3、真空容积为650 m3;风洞加热方式采用金属板蓄热式加热器方案;风洞试验马赫数获取方式采用φ0.5 m口径的马赫数5,6,7和8的型面喷管方案.     

基于置换群的可逆逻辑门网络级联

n输入n输出可逆逻辑门的级联构成一个群,它与对称群Sτ同构。本文研究了生成Toffoli门集合的可逆逻辑门数的特点,证明了任意置换Sn可以由n-轮换δ和一个置换τ=（ij,ik）生成,同时证明了相邻2一轮换可由至多两个NOT门在不增加额外信息位的情况下生成。最后提出了一个基于上述理论的可逆逻辑门网络级联算法,并通过实例验证了该算法的正确性。     

电热破膜激波管及其PLIF测量系统的研制

探讨了用Nd:YAG脉冲激光器作为泵浦光源对激波管内瞬态非定常流场进行平面激光诱导荧光(Planar laser induced fluorescence,PLIF)测量的时序同步问题.由于该激光器需要预热以获得稳定的倍频输出,作者研制了低压大电流的电热破膜装置,实现对激波产生时机的控制.在大尺寸矩形截面的激波管上搭建了PLIF测量平台,并在此平台上进行了丙酮示踪流场显示和氢氧基分布测量.     

航站楼旅客行李提取转盘指派问题

旅客行李提取是影响机场航站楼有效运行的关键环节,对旅客满意度有着重要影响.研究了航站楼旅客行李提取转盘的指派问题,首先分析了行李转盘的指派方式,然后以均衡使用行李转盘为优化目标,建立了机场行李转盘优化指派模型,设计了求解该模型的蚁群算法,并用Matlab编程实现了该算法.最后通过实例分析验证了提出的模型和蚁群算法的正确性,其指派结果与先到先服务的指派结果相比,各行李转盘的使用率更加均衡,从而提高了服务质量和旅客满意度.     

基于BP神经网络的内圆磨床主轴动态分析方法研究

通过对神经网络学习样本的选择问题的研究，本文提出了采用“多水平正交表”选取神经网络的训练样本的方法，建立了内圆磨床主轴系统的BP神经网络模型，并在试验的基础上借助于优化方法进行了模型修正和优化计算。该方法不仅计算方便、快捷，而且具有较高的计算精度。     

基于磨粒分析方法的发动机磨损故障智能诊断技术

磨粒是研究磨损状态时最直接、最重要的信息元，通过对滑油中的磨粒进行监测与分析来判断机械设备的磨损情况，可以预防并监测机械设备的磨损故障。本文运用显微形态学方法建立了一套磨粒显微特征描述体系，以提取磨粒信息并进行磨损故障的模式识别；并结合摩擦学理论和人工智能方法，实现对发动机磨损故障的智能诊断和预测。     

提高电铸局部电沉积速率试验研究

电铸成型是采用离子沉积的方法制造复制件，具有很好的复制精度，因此电铸技术得到了广泛的应用。但由于受极限电流密度等多方面因素的影响，电铸速率一直是制约电铸技术发展的一个瓶颈，许多学者为此做了大量的理论和试验研究，但对如何提高极限电流密度还没有提供一个比较满意的答案，为提高电铸局部电沉积速率，本文在前人工作的基础上，讨论了影响电铸速率的因素，提出了一种新型的电铸方法－喷射式电铸，并通过两组试验分析了局部电沉积速率怀电铸液流量的关系以及局部铸速率与喷嘴口径的关系，试验结果表明，采用喷射式电铸可以大大提高局部极限电流密度，从而使电铸局部电沉积速率有一个较大范围的提高，为将电铸与快速成型结合奠定了试验基础。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。