分形图象学的发展

简述分形几何基本概念及其在图象领域中的应用，包括随机分形模型、混沌动态系统中的分形及迭代函数系统分形模型及其典型应用。     

一种用于材料高温蠕变分析的统一粘塑性损伤本构模型

通过应变等效假设在本文提出的具有过应力特征的统一粘塑性本构模型［５］中引入了描述材料损伤的内变量。并且给出了一个基于组合功密度概念的新的损伤模型。同以往的唯象模型相比，该损伤模型具有较明确的细观物理意义，能反映应变率和应力状态对损伤演化发展的影响。     

基于UML的CITIS建模分析

该文对‘恃续采办与寿命周期保障”(Continuous Acquisition and Life-cycle Support,CAL5) 战略的核心组成部分——承包商综合信息服务(Contractor Integrated Technology Information Service,CITIS)进行了建模分析。根据承包商综合信息服务在实现‘特续采办与寿命周期保障”中的作用提出了CITIS的参考结构,并采用面向对象的分析方法,从分析CITIS系统需求、静态结构模型和动态模型三个方面提出了一种基于标准化建模语言(UML)的CITIS建模方案, 对于采用C++、Java等面向对象语言编程构建系统有重要的参考价值。     

Langmuir Turbulence and Solar Radio Bursts

Langmuir waves and turbulence resulting from an electron beam-plasma instability play a fundamental role in the generation of solar radio bursts. We report recent theoretical advances in nonlinear dynamics of Langmuir waves. First, starting from the generalized Zakharov equations, we study the parametric excitation of solar radio bursts at the fundamental plasma frequency driven by a pair of oppositely propagating Langmuir waves with different wave amplitudes. Next, we briefly discuss the emergence of chaos in the Zakharov equations. We point out that chaos can lead to turbulence in the source regions of solar radio emissions. This revised version was published online in August 2006 with corrections to the Cover Date.     

飞机发动机混沌振动信号盲分离检测方法

发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析（Fast ICA）盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov指数（LE）方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。     

考虑外圈局部缺陷的滚动轴承非线性动力特性

 建立了考虑滚动轴承外圈局部缺陷、非线性轴承力和径向游隙等非线性因素的滚动轴承系统动力学微分方程,并用Runge-Kutta-Felhberg算法对其求解。利用分岔图、Poincaré映射图、频谱图以及均方值、峰值因子、峭度等时域参数,分析了滚动轴承的响应、分岔和混沌等非线性动力特性。结果表明：考虑外圈局部缺陷的滚动轴承系统存在多种周期、拟周期和混沌响应;滚动轴承系统进入混沌的主要途径是倍周期分叉;峰值因子比率在中、低速,峭度比率在低速时可以很好地识别外圈局部缺陷。均方值比率除了在与轴承动力特性有关的个别转速外,可以在较大的转速范围识别外圈局部缺陷。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

基于混沌变量的航空发动机性能监控与故障诊断

针对在利用综合加权法计算表征发动机整体性能的综合指数时,各参数的权系数难于确定,本文提出利用混沌变量确定各参数的权系数,使优化得到的综合指数值比采用专家调查法所得到的综合指数值更能灵敏、准确地反映发动机整体性能的变化情况,提高了发动机性能正常与否的识别率,并以此来发现发动机潜在早期故障,防止故障的扩大。通过对某型涡扇发动机进行监控,证明该方法确实有效。      

组合预测方法在APU状态监控中的应用

针对复杂非线性时间序列预测误差较大的问题．提出了一种组合预测的方法以减小误差。该方法通过采用均方误差确定权系数的思想．拟合混沌预测和指数平滑预测的结果．对飞机辅助动力装置的排气温度进行预测．通过监控排气温度的预测值监视其工作的状况。仿真结果表明．组合预测的精度比单一方法高．预测更准确。