青岛机场一次冷流降雪诱发风切变过程分析

对2004年3月5日青岛机场的冷流降雪诱发风切变进行了诊断分析。分析表明东移入海气旋西北部的东北气流在较强冷平流和高空急流的作用下，在山东半岛地区形成较大范围的阵性降雪，在适宜的动力条件下诱发了强的风切变。     

神经网络在直升机空空导弹攻击中的应用研究

应用神经网络方法研究了直升机发射空空导弹的一些问题。文中首先介绍了直升机空空导弹攻击的火控系统原理；其次，对复杂且不稳定的直升机飞行运动模型设计了模糊神经网络控制器；然后，用BP网络实时计算了直升机发射空空导弹的空中攻击包线；最后，设计了综合火／飞控制系统，并对所设计的整个攻击系统进行了仿真，通过仿真证明满足系统设计要求。在神经网络设计中，采用了变尺度优化算法，提高了算法的速度和精度，对空战的实时应用提供了重要的参数价值。     

螺旋桨发动机飞机动力模拟试验的一种新方法

笔者从螺旋桨动力模拟试验中力矩和动力的双配平概念出发,介绍了一个新的模拟思路,改进了原来的试验方法.这个方法用一条目标曲线,几个螺旋桨桨叶角,模拟了飞机的10个飞行状态.方法简单,概念清楚.试验证明结果合理.     

动力吸振器抑制某型飞机平尾振动的设计与试验研究

某型机在加速到一定速度时,振动剧烈.根据飞行空测数据分析结果看,左右平尾的振动量值较大,且在飞行员感觉振动强烈的速度时段,分析空测数据,平尾的主要振动能量集中在68 Hz附近.这就要求设计一种能够在该频点下的减振装置.实际中采用翼尖加装动力吸振器,达到减振目的.通过地面试验对吸振器的参数进行选优,最终通过实际空测结果对比,来确定减振方案.     

混合动力电动车电池荷电状态描述方法

提出一种新的描述电池荷电状态的定义方法,主要针对MH/Ni动力电池,该电池通常意义下的额定容量为8?A·h,并应用在一种混合动力电动车中.混合动力电动车中动力电池的运行环境非常严酷,充放电倍率高,动态转换频繁.通常的电池荷电状态定义方法适合于稳定负载的情况下,在动态负载的情况下就会出现不适应性.原因是不能同时描述电池的静态和动态荷电状态.新定义方法提出静态荷电状态SSOC(Static State of Charge)和动态荷电状态DSOC(Dynamic State of Charge)的概念.静态荷电状态SSOC描述电池内部稳态的荷电量; 动态荷电状态DSOC描述电池充电或放电时,电池内部电荷的饱和程度.对上述定义的电化学原理进行了分析,并提出了初步的计算方法.     

一类非线性系统的一阶D型迭代学习控制

传统的D型迭代学习控制的控制律设计方案依赖于被控系统的相对度.为解决该问题以及相对度增益与高阶微分运算的问题,针对一类具有任意高阶相对度的非线性系统,提出了基于虚拟模型的一阶D型迭代学习控制设计方法.该方法的主要思想是与具有任意高阶相对度的非线性被控系统并联一个一阶子系统,构造一个相对度为1、相对度增益可以任意设计的虚拟模型,在此基础上设计一个一阶D型迭代学习控制律,使得虚拟模型能够实现期望轨迹的完全跟踪,从而实际被控系统在一定误差范围内实现期望轨迹的跟踪.仿真实例验证了所提方法的可行性与有效性.     

复合材料转动壳体动力特性分析

根据转动壳体的动力学方程,在利用DMAP对大型有限元软件MSC/NASTRAN二次开发的基础上,采用有限元方法对复合材料层合壳体转动状态下的动力特性进行了研究,分析了科氏力、离心力和横向剪力对固有频率的影响,并与实验结果进行了比较.结果显示由于科氏力的作用,即使在动坐标系下,层合壳体也会出现频率不等的前后行波,横向剪力使壳体的固有频率降低,且随着壳体厚径比的增加其影响显著增加.      

基于大脑情感学习模型的转台伺服系统设计

提出了基于大脑情感学习(Brain Emotional Learning,BEL)模型的高精度转台伺服系统智能控制方案。BEL模型是一种模拟哺乳动物大脑情感学习过程的仿生计算模型。设计了融合系统跟踪误差、控制输入等信息的BEL智能控制结构,通过选取不同的感官输入信号可获得不同的控制结构,采用联想学习方法在线学习BEL模型内部的节点权值来调节控制器参数,从而实现转台伺服系统的自适应跟踪控制。仿真和实验结果均表明,BEL智能控制器学习能力强,能抑制摩擦等非线性干扰因素,在实时控制系统中表现出较好的稳定性和较高的跟踪性能。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。