快递企业末端共同配送联盟利益分配研究——基于改进的Shapley值法

文章从静态和动态两个方面,综合考虑联盟利益分配的风险因素、服务质量因素、入盟时间因素和核心竞争力因素,改进Shapley值法,旨在探索实现末端共同配送联盟利益公平分配的方法,促进快递企业末端共同配送联盟的可持续发展。     

几种生长模型参数的最小二乘估计方法及应用

提出一种Logistic模型、Gompertz模型、Mitscherlich模型和Bertallanffy模型的分布参数估计方法，这种方法以加权最小二乘法为基础，推导求解分布参数的方程组。利用这类曲线模型中参数形式的特点，使同时求解三个参数的问题简化为同时求解两个参数的问题，并给出求解参数耦合方程组的二重二分迭代法。预测地基沉降的计算实例表明，这种方法对于迭代初值的选取要求较低、求解速度快、精度高，而且通过选取权因子可以对已有数据实现“重近轻远”的处理。     

iSIGHT优化方法在涡轮叶片冷却设计中的应用

针对现有航空发动机涡轮叶片内冷结构的快速改进,在对叶片冷却设计方法集成的基础上,建立了一类冷却叶片的优化模型,并成功将该优化模型应用在航空发动机涡轮叶片设计中。结果表明,在相同冷却空气用量下,叶片表面最高温度降低了72.4℃,叶片温差减小了110.4℃,优化效果明显。同时,将近似技术成功应用到叶片优化设计中,提高了任务分析效率,为现有发动机涡轮叶片快速改进提供了一种有效手段。     

基于非线性变换的加速度计误差标定与补偿CSCD

为提高三轴加速度计测量精度,分析其误差来源和产生机理,建立了误差模型;根据误差模型和重力场幅值不变特性,推导出非线性观测方程。引入两个未知的参数向量,通过数学变换把非线性观测方程变形为关于新未知参数的线性方程;然后采用批量最小二乘法求出新的未知参数,并根据误差模型参数和新未知参数之间的关系,利用逆解析运算求出对应的零点偏差、灵敏度误差和三轴不正交误差。实验结果表明,加速度计正负误差峰值间距可以减小100倍左右,精度可达10-3m/s2,并具有很好的可重复性。该方法算法效率较高,补偿效果显著。     

系统方法在S模式应用中的重要作用

S模式是有效提高二次雷达运行质量和效率的一项技术变革,总结和学习国际民航业界成功的应用经验,探讨和分析系统方法在S模式应用中的重要作用,对我国民航S模式应用和其他监视系统新技术应用具有重要现实意义。     

基于一致性融合和神经网络的航空发动机气路系统故障诊断方法

以信息融合为基础,运用GRNN神经网络对航空发动机气路系统进行故障诊断,提出了一种基于一致性融合和神经网络相结合的故障诊断方法。试验结果表明,该方法能快速识别航空发动机气路系统故障,并且对其他机械设备的故障诊断具有一定的参考价值。     

基于雷达航迹的航空器质量估算

为保障基于轨迹运行的顺利实施,必须提高四维航迹预测的精度,而四维航迹的精准预测依赖于航空器质量准确估算。鉴于此,构建并分析了航空器能量模型;基于雷达航迹与航空器基础资料( BADA),提出了新型的航空器质量估算方法与步骤;利用最小二乘算法求解了航空器质量的估计值;分别基于预测航迹、雷达轨迹与QAR数据,采用相对误差作为评价指标,实施验证与分析。验证结果表明,提出的方法可将航空器质量估算误差控制在5%以内,从而能够有效地提高航迹预测精度。     

基于损伤检测的飞机结构腐蚀损伤预测方法对比研究

针对飞机结构材料易腐蚀特点,采用 BP 神经网络算法、数据拟合方法、指数平滑预测三种方法,对飞机铝合金结构腐蚀损伤进行预测对比分析。预测结果及其误差以及对比分析图表明,BP 神经网络算法所构建的网络预测模型对一定腐蚀周期内的腐蚀损伤有较好预测能力,指数平滑预测方法和幂函数数据拟合方法对一定腐蚀周期之外的腐蚀损伤预测有较好的外延性。     

基于飞行试验数据的双转子航空发动机 加减速瞬态模型辨识

为辨识航空发动机飞行过程中加减速瞬态模型,通过对某型航空发动机慢车至中间以及中间至慢车过程的飞行试验数据进行分析整理,将发动机上述加、减速过程简化为静态参数预测过程,利用3层前向人工神经网络,建立了某型发动机加、减速瞬态过程中的发动机关键参数预测模型,对发动机参数预测模型预测结果与飞行试验记录数据进行了对比分析,同时利用额外的飞行试验数据验证了辨识模型的泛化能力.结果表明:辨识得到的发动机模型在油门杆稳定时参数预测相对误差不超过3％,在油门杆动作期间参数预测相对误差不超过5％;验证点上辨识模型参数预测误差不超过3％.证明该型发动机参数预测模型可以很好地预测发动机瞬态过程中的参数变化情况.该方法为建立发动机其他状态的加、减速过程参数变化模型奠定了基础,也能为建立全包线范围内发动机瞬态参数预测模型提供参考.     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。