参数曲线形状修改

提出一种新的、基于余弦伸缩函数、针对参数曲线的形状修改与变形方法。首先定义了特殊的伸缩函数 ,在此基础上构造了形状算子矩阵 ,其次将该矩阵与伸缩中心及主方向结合构造出两种变形矩阵 ,最后用变形矩阵去乘待变形曲线在局部坐标系下的位置向量 ,或用它乘以给定向量场再加待变形曲线在原坐标系下的位置向量从而产生变形效果。伸缩函数含有若干可变参数 ,每个参数可产生不同的形状修改效果 ,比如控制被修改部分与未修改部分间的连续阶 ,容易得到理想的变形效果。理论分析实例表明该方法在几何造型 ,计算机图形学等领域有潜在适用性。     

湿热环境苯基阻尼硅橡胶加速老化与寿命预测研究

研究了苯基阻尼硅橡胶的湿热老化过程,重点考察了其拉伸性能、阻尼性能和压缩回弹性能。对于拉伸性能,实验研究表明材料拉伸模量和100%定伸应力均随着温度或者湿度的上升而逐渐提高。对于阻尼性能,损耗系数随着温度或者湿度的上升而逐渐下降。对于压缩回弹性能,压缩永久变形随着温度或者湿度的上升而逐渐上升。另外,温度对苯基硅橡胶性能的影响大于湿度。这主要归因于老化过程中同时发生了侧基氧化和水解,进而导致分子链交联和断裂同时发生。相比于分子链断裂,分子链交联占据了主导作用。最后,采用Peck模型预测了不同温湿度环境下苯基硅橡胶的贮存寿命。由于阻尼性能决定了苯基硅橡胶的减振性能,因此将损耗系数作为评价特征参数。结果表明,在25 ℃下,当相对湿度在80%~40%间变动时,苯基硅橡胶的寿命在18~39 a间变化。此研究有助于进一步理解苯基硅橡胶的老化过程,并且提供了不同湿热环境下苯基阻尼硅橡胶寿命预测的方法。     

歼击轰炸机隐身设计参数的选取之探

在现代高科技战争中，歼击轰炸机的综合作战效能和生存力被普遍关注。本文在分析战场威胁环境的基础上，探讨给出了歼击轰炸机隐身设计的有关参数和设计要求，可为合理确定隐身设计参数提供相关依据。     

基于EEMD和BiLSTM的航班准点率预测研究

航班准点率问题是民航业最为关心的问题之一,准确地预测出航班的准点率能够有效降低航班延误所带来的不利影响、提高乘客满意度。为解决普通深度学习预测模型存在的航班准点率数据挖掘程度不足、预测准确度较低的问题,提出一种基于集合经验模态分解法(EEMD)和双向长短时记忆神经网络(BiLSTM)的机场短期航班准点率预测模型。模型使用EEMD算法将准点率时间序列进行分解,采用BiLSTM结构作为预测模型,使模型能够更深层、高效地处理航班准点率数据,提高预测准确度。实验数据为2018年上海虹桥机场航班准点率及天气数据,实验建立了多个参照模型与所提模型进行对比分析。结果表明：提出的EEMD-BiLSTM模型相较于一般模型预测误差更小,准确度更高。     

基于数字地形的机场终端区离场航迹预测

高效准确的航迹预测能够掌握飞机的运行轨迹,是空管自动化与智能化领域的关键要素,旨在提高空中交通的运行能力和可预测性。针对高原机场终端区内离场航空器运行,通过挖掘大量历史数据的特征关系,提出基于长短时记忆(Long Short-Term Memory, LSTM)神经网络的航迹预测模型。此外,考虑高原机场复杂的地形环境使得离场航空器安全运行条件更为严苛,引入支持向量回归(Support Vector Regression, SVR)算法建立数字地形模型,得到离场航迹上经纬度所对应地形高度的剖面图。采用拉萨贡嘎国际机场的真实离场航迹与地形数据进行实例验证,结合地形条件对所预测离场航迹的安全性进行评估。实验结果表明：基于LSTM神经网络建立的离场航迹预测模型具有较高的精度,且离场航空器能够实现满足最小超障余度的安全运行。     

7075Al/SiCp复合材料热压缩变形的研究

采用圆柱试样在Gleeble-1500热模拟机上对7075Al／SiCp复合材料进行高温压缩变形实验，变形温度为300-500℃，应变速率为0．001-1s^-1。结果表明：7075Al／SiCp复合材料的流变应力大小受变形温度和应变速率的强烈影响，流变应力随应变的增加而逐渐增加，出现一峰值后逐渐下降；流变应力随变形温度的升高，应变速率的降低而降低。可用Zener—Hollomon参数的双曲正弦形式来描述7075Al／SiCp复合材料高温压缩变形流变应力，其变形激活能Q为279．659KJ/mol。     

面向工业机器人的数字孪生建模精度补偿方法

针对现有工业机器人智能装备建模感知监测精度缺失,依靠理论参数建模精度低等问题,本文以工业机器人铣削系统为研究对象,构建了高精度光栅尺实时测量机器人关节转角的数字孪生监测系统,避免了齿轮间隙、编码器丢码等关节转角误差对数字孪生建模准确度的影响;根据MD–H运动学建模方法建立了数字孪生驱动模型,采用L–M算法对工业机器人建模参数进行辨识修正,减少了机器人数字孪生模型中几何误差的影响;开发了数字孪生交互系统平台,用以监测、控制物理空间的工业机器人铣削系统的作业运动。利用辨识后的机器人关节参数构建的数字孪生模型,使得工业机器人铣削系统运动点位的建模精度从±1.6905 mm提高到了±0.3304 mm,提高了4.12倍,表明本文针对工业机器人数字孪生建模方法的正确性和建模参数辨识方法对建模精度补偿的可行性。     

一种基于模糊控制的平稳滑翔再入制导律

针对升力式高超声速飞行器(LHV)再入滑翔过程中的周期性振荡现象,提出了一种基于模糊推理与控制的反馈调节方法以抑制振荡实现平稳滑翔。纵向制导在落点误差预测及指令校正的基础上,在倾侧角外环控制回路增加以高度变化率及空速作为输入的模糊控制器对倾侧角指令进行调节,横侧向制导通过航向角误差走廊约束及倾侧角反转逻辑实现大横程条件下的侧向控制。所提方法不依赖于准平衡滑翔条件(QEGC),同时避免了参数化反馈控制律中的反馈项参数设计问题,具有较强的自适应能力。LHV制导实例仿真表明,所提方法可有效抑制振荡现象,满足终端约束及再入走廊约束,方法的鲁棒性也通过Monte Carlo仿真得到了验证。      

高超声速伸缩式变形飞行器再入制导方法

针对高超声速变形飞行器再入制导问题,提出了一种采用伸缩式机翼的高超声速变形飞行器外形方案,建立了含有展长变形量的气动模型和动力学模型。将该变形飞行器的展长变形量扩展为控制变量,分析了倾侧角、展长变形量和终端航程、高度之间的关系。在此基础上,利用倾侧角和展长变形量在线预测剩余航程和终端高度,通过数值方法校正2个控制量以满足航程约束和高度约束,通过航向角走廊确定倾侧角符号。仿真结果表明:该变形飞行器再入制导方法制导精度高,相比于传统固定外形飞行器终端约束能力更强、轨迹更加平滑,且在扰动条件下具有一定鲁棒性。      

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。