七剑下天山(白先)

中国作家梁羽生在1956年到1957年间发表了一部武侠小说——《七剑下天山》,记叙了清朝初年身居天山的3位武林宗师晦明禅师、卓一航、白发魔女的7位徒弟和傅青主等其他侠客在康熙初年吴三桂叛清、平定回疆等历史事件的前后与清廷斗争的故事。七剑指的不是指七把宝剑,而是七位英雄剑客。     

大数据分析过程中的降维方法

随着大数据时代的到来,高维数组的分析越来越困难。介绍了两种大数据线性降维的方法,通过构造计算矩阵,求解矩阵的特征值和特征向量,可以非常容易地发现数据的极小维度表示,降低后期大数据分析的复杂度。通过采用这些方法进行数据降维,可以找出数据内在的相互关系,非常有利于数据分布规律的分析。     

单面射流冲击淬火参数对7050铝合金厚板冷却的影响

研究了喷嘴直径(D)、相邻喷嘴距离(L)和喷射压力(P)对驻点区和紊流区换热的影响.结果表明:在高压(500kPa)下,紊流区心部换热效果比驻点区心部强;当喷嘴直径和喷射压力一定,相邻喷嘴距离对厚板冷却有影响,距离越小,相邻涡对互相干扰越大,紊流区冷却强度加大;当L/D=8～14时,从470℃冷至300℃的平均冷却速率...     

空投雷弹入水冲击头型特性参数分析

针对目前雷弹头型的多样性和多种描述方式,从雷弹头部外型特点出发,在前人描述外型的无量纲参数基础上,重点分析了Baldwin和Waugh的特性参数的优缺点,提出一种更为合理的具有普适性的无量纲新型特性参数,可以普遍描述雷弹头型,并且根据其与入水冲击阻力系数的关系,给出尖拱体长细比与入水冲击阻力系数的关系式和新型描述参数与入水冲击阻力系数的关系式,可以方便地求出各类头型垂直入水冲击载荷的峰值,为尖拱族结构入水冲击载荷计算提供了一种便捷的方法,拓展了不同头型的结构体垂向入水冲击理论。     

LC9型材机翼前梁制造工艺

农5飞机机翼前梁主缘条，采用LC9合金型制造，零件细长，外形复杂，成形和协调难度大。本文简要介绍了该零件的制造工艺。     

大型结冰风洞云雾场适航应用符合性验证

结冰风洞云雾场符合性是大型结冰风洞适航应用的基础。为验证3 m×2 m结冰风洞云雾场符合性，发展了基于SAE ARP5905的结冰风洞云雾场符合性验证方法，针对主试验段构型，开展了结冰云雾场符合性验证试验，获得了试验段内液滴尺寸和液态水含量拟合关系，考察了喷嘴水压、液滴尺寸、试验段气流速度和喷嘴数量对试验段液态水含量的影响，形成了主试验段结冰云雾控制包线。结果表明：主试验段内液滴尺寸分布具有显著的单峰分布特征，体积中值直径（MVD）模拟范围近似在10~75 μm之间；试验段中心处液态水含量随着喷嘴水压和MVD的增大而增大，同时近似与试验段气流速度成反比，与喷嘴数量成正比；增大喷嘴水压和喷嘴数量会提高试验段内云雾液态水含量空间均匀性，但是增大气流速度却会减弱试验段内云雾空间均匀性；3 m×2 m结冰风洞主试验段结冰云雾控制包线可以覆盖大部分适航条例25部附录C结冰气象条件，但对低液态水含量结冰条件的模拟仍存在局限。     

冲击噪声环境下基于任意阵列流形的空时二维DOA估计方法

 针对冲击噪声环境中信号源的高分辨二维波达方向(DOA)估计问题,提出了一种适合任意阵形的基于联合对角化分数低阶空时(ST)相关矩阵的二维DOA估计方法。该方法先对分数低阶空时矩进行采样构建伪快拍数据矩阵,然后对两个时延分数低阶空时矩阵进行联合对角化处理。其无需二维谱峰搜索和参数配对,在低信噪比下对强冲击噪声具有更好的抑制作用,适合存在一维角度兼并的情况。仿真结果证明了该方法的有效性。     

过热蒸汽射流冷却叶片热耦合数值模拟

在对射流冷却平板模型和射流冷却凹板模型数值模拟的基础上,设计了射流冲击冷却式蒸汽冷却叶片,并对其进行了热耦合数值模拟.通过改变平板和凹板的进口雷诺数,射流孔与靶板间距和凹板曲率,对靶板的冷却传热进行了对比研究,得到传热量与各个参数的变化规律.然后根据上面得到的变化规律设计出射流冲击冷却式蒸汽冷却叶片,应用ANSYS CFX 10.0数值程序,对冲击冷却的流动和传热过程进行了三维热耦合数值模拟,得到叶片表面温度和对流换热系数分布.      

基于主基底分析的变量筛选

利用Gram-Schmidt变换,提出一种主基底分析方法.解释并证明了Gram-Schmidt变换所删除的信息量.给出"主基底"的定义及构造方法,并提出"净信息含量比"的概念,用以测度所选基底包含的信息.该方法能在原始数据信息损失尽可能小的前提下,排除所有的冗余变量以及变量集合中的重叠信息,得到一个正交的主基底,从而更有效地对大规模变量集合中的信息进行筛选.多角度的理论分析指出,主基底在尽可能多地携带原始变量信息的同时,还可保证样本点间的相似性改变最小.实际案例分析说明了该方法的合理性和有效性.      

模糊的类内矩阵模式主分量分析及在人脸识别中的应用

矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能。为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息,因此能有效地提高识别精度。对0RL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性。另外,讨论了F—WMatPCA在人脸识别上的应用,并与F—Fisherfaces作了比较,结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。