制造业经理人online

普惠公司企业传播及政府关系副总裁杰·德弗兰克用创新实力赢得客户普惠作为一家拥有近90年历史的企业,一直以来秉承创新的理念并以其作为努力的方向,推出齿轮传动式涡扇(GTF)发动机技术就是很重要的一个证据。针对GTF发动机,虽然已经拿出了一个基本架构,但普惠还在不断进行着更好的创新,包括推出PW1100G之后,帮助A320neo已实现的额外2%燃油效率的提升,以及在     

网络时代如何实现航空公司品牌传播的有效性

亚里士多德早在2300年前就指出：判断传播是否有效的一个基本原则就是其是否具有说服力。而要想实现最佳的说服力,必须要具备几个条件,即传播者的品德、贴近听众的需求、引起听众动情的传播方式以及和论点相关的真理或逻辑证明。如果从航空公司品牌传播的角度出发,这几个条件正代表了产品或服务的品质、以顾客需求为导向的原则、有效的传播方式以及信息的真实性和透明度。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

《中国航天》征稿简则

《中国航天》是大型综合性权威航天期刊,入选国家期刊方阵,为国家双百期刊,同时也为中文核心期刊。《中国航天》由中国航天科技集团公司主管,中国航天系统科学与工程研究院(航天信息中心)主办,内容涵盖航天技术开发、空间科学研究、航天技术应用、航天人才培养、航天科普宣传和航天文化传播等方面。本刊为月刊,大16开,国内外公开发行。1.征稿范围本刊设有"中国报道"、"航天产业与国民经济"、"航天政策与管理"、"航天活     

传播算子方法在宽带DOA估计中的应用

将传播算子与宽带相干信号子空间方法相结合,推导了基于传播算子的宽带相干信号子空间方法,该方法所构造的聚焦矩阵不需要奇异值分解,在获取噪声子空间时不需要特征值分解,因而大大降低了运算量.比较了双边变换(TCT)方法与所推导的方法在分辨两个相邻较近信号源时的性能,仿真表明,在高信噪比时,该方法性能与TCT方法相近.     

平直地面对一类圆极化波的等效反射系数

本文研究了入射波电场为任意线极化时,平直地面反射波中左旋圆极化分量和右旋圆极化分量的数学描述,引入了地面对这类波的等效反射系数的概念,并给予了物理解释,讨论了应用的有关问题。     

雷达隐身技术概述

从外形设计、吸波材料、对消、干扰和微波传播指示技术五个方面对雷达隐身技术的实现方法进行了综述。分析了利用外形设计技术降低雷达散射截面积的方法和存在的缺点；吸波材料技术的发展方向是研制新机理吸波材料，并介绍了几种新型雷达吸波材料。最后对利用干扰技术、对消技术和微波传播指示技术实现雷达隐身的方法和发展情况进行了阐述。指出要有效地实现目标雷达隐身，需综合运用各种隐身方法。     

电离层Es对HF和VHF传播信号的影响

Es层是存在于电离层中的电子密度非常高的偶发E层（Sporadic E）,其电子密度可达常规E层的100倍.电离层Es能够反射原本穿透F层的VHF低频段（30~150MHz）无线电波,而且对HF高频段（10~30MHz）无线电波传播具有显著影响.运用垂测和斜测观测数据,研究HF频段Es层电波传播特征,得到了不同类型及不同高度Es层的衰减系数.根据f₀E_s的日变化规律,可得HF频段衰减系数的日变化规律,进而分析并得到Es层对短波传播的影响.不存在电离层Es时,通常无法通过电离层实现VHF超远距离通信.为了对VHF链路通过电离层Es的传播衰减进行定量分析,根据EBU多条链路的观测结果,拟合并建立了电离层Es衰减模型.将该模型、ITU模型和观测数据进行对比,发现本文建立的模型准确度更高.利用建立的模型,对电离层Es不同临频f₀E_s条件下接收信号场强和电压随传播距离的变化进行了计算,结果可为VHF链路设计及建立提供参考.     

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。