信息融合图像识别算法及其在三维飞机图像识别中的应用研究

将D S证据推理与不变矩理论相结合,提出了信息融合图像识别算法,并应用于三维飞机图像的识别。构造了基本置信指派函数,建立了分类规则,针对Dempster组合规则只适用于高置信度、低冲突性的情况,应用可解决证据冲突的加权分配冲突法及吸收法,完成了三维飞机图像识别的仿真,比较了3种组合规则的识别效果,结果表明吸收法识别率最高。     

基于改进CHC算法的模糊诊断规则优化方法研究

在故障诊断专家系统的自学习中,同时需要学习大量的模糊规则,造成规则优化算法的运行时间过长,难以满足实际的需要。为了解决这个问题,将特征片断优势重组算子引入CHC算法中,并将之应用到规则优化领域。仿真证明,改进的CHC算法在模糊诊断规则优化方面能以比较短的计算时间达到预期的优化效果,明显优于国内其它改进的遗传算法和CHC算法,具有比较大的实用价值。     

S1000D中业务规则交换机制的研究

详细分析了业务规则的范畴、业务规则数据模块的编码,并结合工程实际对业务规则的交换机制进行了研究.     

上海推出首个加快国际航运中心建设专项五年规划

《上海市加快国际航运中心建设"十二五"规划》近期正式颁布。这是上海国际航运中心建设的首个专项五年规划。《规划》明确,到2015年,上海要基本实现货物、船舶、企业、资金、人才、信息、技术等航运要素与资源集聚,初步具备全球航运资源配置能力,形成国际航运中心核心功能;港口、机     

复合材料单向板寿命预测模型

<正>纤维增强复合材料(Fiber Reinforced Polymer,FRP)因具有较大的比刚度、比强度、结构可设计性等优点而被广泛应用在航空、船舶、汽车、风电等行业中。随着复合材料在工程结构中的应用由次承力构件逐步扩展至主承力构件,疲劳破坏在复合材料结构中已逐渐显现,正成为制约其进一步应用的重要因素,因此复合材料的疲劳问题正成为使用者和工程设计人员十分关注的问题。对层合板的疲劳寿命展开预测是复合材料疲劳问题的基本研究内容之一,也是复合材料结构设计的重要工作之一。工程应     

Glare层板基本成形性能研究与实验验证

为了探索Glare层板的成形性能特点,采用单向拉伸实验和三点弯曲实验,分析研究了Glare 2A,Glare 2B和Glare 3层板的基本成形性能,并借助扫描电子显微镜分析了Glare层板的失效特征。结果表明:纤维铺层方向对材料的成形性能存在显著影响,Glare 2A层板抵抗塑性变形的能力强,且难以发生厚向变形:采用σ=σy+Kεn硬化模型拟合真实应力-应变曲线,其相关系数最大,拟合结果最好:Glare 2A的弯曲回弹量最大,其弯曲破坏时,内表层受压应力,以皱缩和压缩断裂为主,外表层受拉应力,以纤维拉伸断裂和分层为主;对于Glare 2B层板,其弯曲回弹量最小,主要以基体破坏为主:通过滚弯成形验证了实验所得结果的准确性。     

基于情景分析的航空集群决策规则库构建方法

针对传统的规则学习算法很难解决顶层决策,以及现阶段航空集群作为一种新兴的作战样式,没有太多现成的数据和案例可供参考,暂不具备"从战争中学习战争"条件等难题,从战争设计的角度出发,探讨性地提出了一种基于情景分析的规则库构建方法。首先,从系统演化的外部触发条件和内部驱动机制出发,提出了基于事件触发-规则驱动的自主决策机制;然后,将航空集群决策规则拆分为事件、条件、动作3部分,并采用事件-条件-动作（ECA）描述机制进行规范化表达;最后,借鉴情景分析理论的思想,通过详细分析作战过程的逻辑关系、状态变迁,实现对象、事件、行为的关联,并以无人机自主察打任务规则提取为例进行了验证分析。     

进口导叶预旋对扩压器内部非定常流场影响的实验研究

本文在不同的进口导叶预旋下,采用热线风速仪对扩压器内的非定常流场进行了测量,采用锁相采样—集平均技术对热膜测量的瞬时信号进行处理,研究了进口导叶预旋角度和方向对扩压器内部非定常流场影响。结果表明,扩压器内部大部分紊流强度均有所增加;扩压器内的非定常性受导叶尾流及大尺度涡团的非定常影响而减小,且负预旋角度下非定常性的减小程度小于正预旋角度下的非定常性;扩压器内部的非定常流动的基本频率降低。     

基于层次分析法的桥梁承载力检算方法

在分析桥梁承载力检算方法现状的基础上,引进了变权原理及模糊描述,提出了基于无损检测信息的层次分析法承载力估算模型.基于实测强度的桥梁理论分析了承载力,并结合检测信息进行修正.修正内容包括截面折减及构件恶化,其中截面折减考虑混凝土截面折减及钢筋截面折减;构件恶化考虑了混凝土表观缺损状况、混凝土实际强度、钢筋锈蚀电位、氯离子含量、碳化深度及保护层厚度这6个因素.各因素的权重采用层次分析法,由专家调查的判断矩阵计算,并引进变权公式对状况较差的因素加大权重.最后以实桥为例进行承载力检算,计算结果与试验吻合良好,表明所提方法客观、全面且结果可靠.     

基于深度学习的风洞天平测力试验数据异常检测方法研究

风洞天平测力试验数据异常检测有助于分析试验异常原因、排查设备故障、改进试验方案,为解决目前人工检测时间成本高、效率低的问题,提出一种基于深度学习的异常检测框架。首先针对异常零样本问题,对风洞试验常见的异常类型及规律进行总结;然后为解决不同车次数据维度不同的问题,提出基于统计特征的标准化特征表示方案;最后利用神经网络学习异常特征,完成异常检测。试验结果表明:基于深度学习的异常检测方法对风洞异常数据检测的准确率和检出率分别达到了81.7%和72.6%,能够较好地识别孤立跳点异常和多点异常。