一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。     

间接式氟化氢气相清洗技术及应用

航空发动机及燃气轮机关键部件多采用镍基或钴基精密铸造高温合金材料,其深度修复的主要方法为熔焊和钎焊,为了保证焊接的质量,必须去除部件表面和裂纹内部的氧化物。目前国外采用的是商品化的直接式氟化氢气相清洗技术及设备,国内企业却因技术限制无法获得此类技术和设备。彭州西部蓝色动力科技有限公司研发的间接式氟化氢气相清洗技术和设备填补了这项技术空白,本文详细介绍了间接式氟化氢气相清洗技术的原理及其验证应用情况。     

孔子儒家的学习精神

孔子儒家主张学习与做人是一致的。"学而时习之"是孔子儒家学习精神的总纲,可以用自强不息、厚德载物总括之,分而言之则是十大学习精神:谋道不谋食,虚心敬慎,实事求是,坚韧不拔、积极向上,严己宽人,学为己,学以致用,仁民爱物,乐观自信,终身学习提高。     

微小狭缝肋矩形通道多目标优化

开展了矩形通道内微小狭缝肋的换热和流阻性能的多目标优化研究。选取缝宽、相邻缝间距、狭缝的前端面和后端面与壁面距离四个参数作为优化变量，采用非支配排序遗传算法（NSGA-Ⅱ）获得了Pareto最优解。分析了Pareto最优前沿面上四种优化方案下微小狭缝肋的流动和传热热特性。结果表明：优化后的微小狭缝肋的换热能力与实心肋相当，而流动阻力有所降低，肋壁的换热均匀性得到显著提高。     

华航大学生学习的现状

大学阶段是学生学习专业知识的开始,是掌握一技之长的重要时期。由于大学生的学习相对独立、内容多、进度快,而且学习与就业息息相关,所以需要学校认真研究大学生的学习,了解大学生学习中存在的问题,给予相应的指导。     

一种利用水下激光冲击处理涡轮叶片残余应力的方法

为提高涡轮叶片疲劳寿命,探索了一种利用水下激光冲击强化方法处理涡轮叶片残余应力的技术。利用波长532 nm、脉宽10 ns、能量1.2～1.5 J、光斑直径1.0 mm的YAG激光器,对涡轮叶片榫齿部位进行了激光冲击强化处理。结果表明,水下激光冲击强化方法能有效消除、调整机械加工残余应力。当激光功率密度大于2.5 GW/cm~2且小于7.5 GW/cm~2时,随着功率密度的增加,表面残余应力也相应增加;当功率密度大于10.0 GW/cm~2后,表面残余压应力随功率密度的增加而明显降低;功率密度等于7.5G W/cm~2时,表面残余应力为-419.5 MPa,为最佳。     

40CrNi2Si2MoVA钢喷丸强化层微观结构

喷丸强化在金属材料表面形成强化层,可以有效提高构件的疲劳寿命,是金属构件表面完整性制造的重要方法.喷丸强化已有效应用于40CrNi2Si2MoVA钢制构件,为了探明喷丸强化对该钢种的强化机理,本工作采用高分辨电子显微电镜(HREM)对40CrNi2Si2MoVA钢喷丸强化层微观组织结构进行了系统分析研究.结果表明:喷丸强化使40CrNi2Si2 MoVA钢组织细化,呈明显的马氏体“有效晶粒”现象,“有效晶粒”尺寸为几个纳米到几十个纳米;“有效晶粒”界面呈明显的倾转现象,相邻“有效晶粒”间转动角度为几度到几十度,最大达到30°.     

深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。