环板在边缘弯矩呼局部均布,线性荷载共同作用下的塑性极限分析（Ⅰ）

应用奇异函数求出环板在边缘弯矩和局部均布、线性分布载荷共同作用下的极限荷载的计算公式,并可画出极限荷载的影响曲线。     

2010年航空航天业10大技术进展——突破传统直升机的飞行速度极限

作为21世纪的第二个10年的开始，2010年注定将是不平凡的一年。后危机时代必定也是技术创新蓬勃发展的时代，因为人类历史总是在不断摸索中向前发展。     

利用位移变化率进行破坏预估及模型修改初探

通过对强度概念及公式的分析，推导出计算位移变化率的公式，基于杆提出了几何刚度和弹性性系数的概念，并把它应用盱破坏预估及模型修改。     

高温升燃烧室贫油熄火特性数值研究

利用Fluent软件,采用经过PIV试验验证过的Realized k-ε湍流模型,对中心分级燃烧室的燃烧流场进行数值模拟,计算确定出回流区大小、温度分布及特征截面。使用特征截面特征参数法及其判定准则,对该中心分级燃烧室贫油熄火极限进行预测,并对熄火过程火焰形状的成因进行分析。结果表明:随着油气比的降低,回流区温度降低且长宽尺度增大,贫油熄火时的油气比为0.005 83且火焰呈M型,与相关试验测试结果一致。     

无穷多项和求极限问题的探讨

针对求极限过程中的一个难点———无穷多项和求极限 ,可通过先求和、夹逼定理、无穷小分析法、定积分等四种方法加以解决。     

跨越时空的旅程——爱因斯坦及其他（四）

从时空观的角度来看，宇宙是人类关于时空存在范围的极限概念。在牛顿力学时代，人们以为时空是绝对静止的，宇宙作为星系运动的框架也应该是始终不变的。爱因斯坦虽然在相对论中提出了时空的可变性，但连他本人也没有意识到宇宙作为时空存在的极限形式，其实也是具有可变性的。     

结构自适应序贯正则极端学习机时间序列预测及其应用

为提高初始小样本情况下时间序列在线预测的精度,提出了一种结构自适应序贯正则极端学习机(SA-SRELM)。该方法在在线序贯学习阶段,针对不同训练样本规模选择不同的递推方式对输出权值进行更新;同时,在训练样本达到一定规模后,为提高预测模型对系统的动态适应性,在加入新样本的同时对旧样本进行剔除,完成预测模型的训练。利用3种混沌时间序列预测实例对所提方法的有效性进行了验证。最后,将所提方法用于航空发动机排气温度预测中,结果表明该方法相对正则极端学习机(RELM)和序贯正则极端学习机(SRELM)方法具有更好的泛化性能,预测精度分别是二者的约6倍和2倍。     

Flutter analysis of an airfoil with nonlinear damping using equivalent linearization

The equivalent linearization method （ELM） is modified to investigate the nonlinear flut- ter system of an airfoil with a cubic damping. After obtaining the linearization quantity of the cubic nonlinearity by the ELM, an equivalent system can be deduced and then investigated by linear flut- ter analysis methods. Different from the routine procedures of the ELM, the frequency rather than the amplitude of limit cycle oscillation （LCO） is chosen as an active increment to produce bifurca- tion charts. Numerical examples show that this modification makes the ELM much more efficient. Meanwhile, the LCOs obtained by the ELM are in good agreement with numerical solutions. The nonlinear damping can delay the occurrence of secondary bifurcation. On the other hand, it has marginal influence on bifurcation characteristics or LCOs.     

基于GA-ELM的飞行载荷参数识别

针对用复杂飞行数据识别飞行载荷时的精度低、速度慢等问题,提出一种结合遗传算法(GA)和极限学习机(ELM)的GA-ELM模型。该模型使用ELM神经网络作为计算核心,用遗传算法产生ELM网络输入层到隐含层的权值矩阵和隐含层偏移量;用GA-ELM模型对飞行数据进行识别,并与BP神经网络和原始ELM神经网络的识别结果进行对比。结果表明:GA-ELM模型是一种有效且高精度的飞行载荷参数识别方法。     

自动化计量学大会展出的坐标测量机

介绍自动化计量学大会展出的坐标测量机及其结构，性能和使用范围。