Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。      

冗余系统两种应力-强度分布模型的可靠度计算

本文运用应力-强度干涉理论,说明如何确定相同设备(或元件)构成的冗余系统的可靠性。讨论了冗余系统的并联和从n中取k两种结构形式的数学模型,推导了应力和强度服从瑞利分布的并联冗余系统,以及应力和强度分别服从麦克思韦分布和瑞利分布n中取k冗余系统的数学公式。最后,给出这两个模型在应力作用下,对应于不同的强度参数,设备或元件的可靠性曲线,直观地说明应力强度参数的改变对可靠性的影响。     

用PDA测量两相湍流流场时固体粒子的选择

激光法测量两相流是近年来开发的一项新技术，测量过程中需要存在合适的粒子。本文研究了用三维粒子动态分析仪（ＰＤＡ）测量气固两相湍流流场时固体粒子的选择问题。试验过程中，运用几种不同的粒子作为煤粉粒子的模拟粒子进行测量和比较，结果表明：（１）粒子的特性参数是影响测量精度的重要因素之一；（２）测最气固两相湍流流场中粒子的运动特征时，应尽可能选择形状较规则、折射率大、尺寸分布合理、不易粘结且易于收集同时接近所要模拟的粒子性能的固体粒子，必要的时侯应结合粒子性能对测量结果进行修正．     

多点压力扫描阀测量系统在激波／湍流边界层干扰实验中的应用

多点压力测量是航空气动力研究及高性能流体机械研究中的重要测试手段。利用计算机和多点压力扫描阀系统，可以高效地完成这项任务，并可能在实验中实现数据采集及整个实验过程的自动化。我们利用ＨＰ１０００／Ａ７００计算机－ＨＰ２２５０－测控装置－压力传感器－高速扫描阀组成的测量控制系统，在超音速风洞内对激波／湍流边界层干扰产生的流场进行了快速多点压力数据采集，并取得了可靠的结果。本文对测试和校正过程中的程序设计、测试方法和应用经验进行了介绍。     

翼面动态压力测量

对７０°三角翼作大幅度仰运动时翼面非定常压力分布和振动鸭翼后面主翼面上非定常压力进行了测量。分析了缩减频率等参数对非定压力分布的影响。     

进口速度分布对短突扩压器性能的影响

在任意曲线坐标系下,对环型燃烧室的三维流场进行了数值计算,研究了四种不同的进口速度分布对扩压器性能的影响。计算结果表明,进口速度大小和方向都对扩压器性能有重要影响,进口速度分布均匀以及方向贴近扩压器壁面,有利于提高扩压器的性能。计算中采用标准ｋ－ε双方程紊流模型,采用控制容积法进行离散,在非交错网格体系下用ＳＩＭＰＬＥ法求解     

收敛形进气道数值研究的验证

介绍一种新型的、具有最小喉道面积的三维高超声速进气道 (称之为收敛形进气道 )的数值和实验研究结果。表明使用这种形式的进气道 ,在整个飞行速度范围内可以降低阻力和高超声速发动机表面的热防护要求 ,通过降低外压缩表面的倾斜度和减少进气道及燃烧室壁的面积就可以做到这一点。在采用低维次流动的气体动力设计方法的基础上设计成这种形式的进气道。计算是在无粘气体模型构架内用有限体积法进行的。同时用边界层方程计算出计及粘性的气流特性和进气道特性。数值算法是通过收敛形进气道的有限宽楔形外压缩表面的计算和实验数据来验证的。进行实验研究的马赫数M=2～ 1 0 7,基于模型进气道高度的雷诺数Re=( 1～ 5) × 1 0 6。数值计算与实验结果一致性很好。这些结果也和通常的二维进气道的数据作了比较。     

单层钎焊砂盘磨粒分布有序性研究

对亲型非砂轮磨削工具－－单层钎焊砂盘的硬质合金磨粒在基体上的分布进行了初步研究,砂盘作为一种手握粗磨削工具,降低磨削力是最重要的,文中借鉴砂带及单层高温钎焊超硬磨料砂轮的一些研究,提出了砂盘的磨粒在基体上有序性分布的概念,将此概念应用于砂盘钎焊制造工艺上,在相同的制造工艺和磨洵深度条件下,对得到的磨粒有序性及无序性分布的砂盘进行了磨削对比实验。结果表明,砂盘磨粒的有序性分布能显著降低其磨削力。此概     

对数正态分布场合环境因子基于截尾样本的统计分析

本文导出了寿命分布为对数正态分布时基于截尾样本环境因子的点估计和近拟置信限,对所给近似置信区间作了模拟研究。     

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。