非连续颗粒增强钛基复合材料制备技术与研究进展

颗粒增强钛基复合材料是一种重要的轻量化结构-功能一体化材料.在航空航天、空间技术、武器装备、能源和环境形势日益严峻的今天,这种轻质、高强、耐热颗粒增强钛基复合材料是航空航天技术、能源发展与交通运输等若干关键领域中不可替代的共性关键材料.从复合材料制备技术、基体和增强体选择,增强体分布设计,构型设计,热变形加工、超塑性加工、热处理、微观组织、力学性能以及工程应用方面综述了颗粒增强钛基复合材料的发展现状,提出了研究中存在的问题以及今后潜在的研究方向,为进一步推动和解决重大工程用复合材料大构件加工、精密成形制造的关键技术和装备提供指导,进而推动非连续颗粒增强钛基复合材料的深入发展.     

高超声速圆球模型飞行流场的数值模拟和实验验证

对高超声速圆球模型飞行流场进行数值模拟 ,分别采用空气完全气体模型、平衡气体模型以及热化学非平衡 1 1组元气体模型求解非定常轴对称N -S方程组。使用有限差分时间相关法捕捉激波 ,得到了定常流场的解。差分方程隐式部分采用了LU -SGS方法以避免矩阵运算 ,对化学反应和振动能量源项采用预处理矩阵以解决刚性问题。由计算结果处理得到的阴影图和干涉条纹图与再入物理弹道靶实验照片进行了对比分析 ,验证了实验中圆球飞行流场大部分区域接近于平衡状态。     

统一杆件内力分析方法的探讨

本文在建立坐标系的基础上 ,对杆件的内力、外力的符号进行了简单、明确的统一规定 ,从而使杆件三种基本变形和平面刚架结构的内力分析统一用同一种方法完成。这种方法克服了过去存在的内力计算和内力图绘制方法的多样性、规定不统一、难以识记的缺点 ,具有概念清晰、计算简便、工作流程固定统一的优点 ,便于学校师生和广大工程技术人员学习和掌握 ,编制上机操作程序简单易行。     

供应链的一种形式化建模方法

介绍了Meta图的有关概念，提出了基于Meta图的离散制造业供应链的建模方法，给出了其于BOM表的建模步骤，讨论了供应链Meta图模型的特点，对最大Meta路以及加权Meta图进行了定义，并对供应链中物料的数量关系、成本、时间生产能力等要素模型中的表示方法进行了讨论。为用系统化的手段进行供应链管理的定量分析提供了理论基础。最后，利用模型对一个微机生产企业的供应链速度、成本、柔性等性能测度进行了定量分析，为供应链组建时的事前评价提供了手段。     

基于知识PETRI网的自动装配规划

提出了一种由产品关联图自动生成产品装配优化序列的方法，首先对产品关联图进行割集运算，并由此可得相应的产品装配与／或图，再由此与／或图构造出产品装配的知识ＰＥＴＲＩ网，运行此知识ＰＥＴＲＩ网后便可得到此产品的最佳装配序列。本文介绍的这种基于知识ＰＥＴＲＩ网的人装配规划方法与目前常规的机器人装配规划方法，如启发工搜索法与基于装配知识库的装配专家系统相比，规划速度快，由于该方法将人工智能应用于ＰＥＴＲＩ     

特征视图的链码表示法

根据八方面边界链码规则，首先提出了基于分辨率的直线和椭圆的链码生成成算法；然后给出了在基于形态图方法的物体识别中，模型物的特征视图的链码表示法。从而为形态图方法在三维物体识别中的应用提供了理论基础。     

基于高斯混合模型和变量重构组合法的故障诊断与分离

提出了一种将变量重构与高斯混合模型结合的故障诊断与分离的方法。首先建立过程数据的高斯混合模型,解决了监控过程的测量数据不服从单峰的高斯分布所带来的问题,然后进行故障数据变量重构,估计未知参数并采用最大期望算法来估测均值与协方差矩阵。在此基础上建立统计模型进行故障的诊断与分离。与传统的贡献图分离故障的方法比较,通过田纳西-伊斯曼化工过程进行实验验证,本文提出的高斯混合模型与变量重构相结合对多状态过程进行故障的诊断与分离收到较好效果。     

基于网络复杂性的最小刚性编队通信拓扑生成

基于编队通信拓扑的网络复杂性,提出了一种多智能体系统最小刚性编队通信拓扑生成算法。首先基于刚度矩阵生成最小刚性编队通信拓扑的方式,找出智能体编队的最小刚性通信拓扑集;然后从降低通信消耗等方面建立网络复杂性评价指标,采用熵权法对各指标权重进行求解,给出网络复杂性的计算方法;基于此评价指标,在最小刚性通信拓扑集中找出网络复杂性最小的编队通信拓扑。仿真结果表明,该算法能有效减少编队通信拓扑网络复杂性,简化通信拓扑结构。     

峰值点非负矩阵分解聚类算法

非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。     

基于变换空间近邻图的自助型局部保持投影

局部保持投影(LPP)是一种典型的降维方法,通过保持数据的内在几何结构,LPP能够获得潜在的判别能力.然而,传统LPP的性能取决于人工预定义的近邻图,并且严重依赖于最近邻标准在原始数据空间中的性能.因此本文提出了一种新的降维算法--自助型局部保持投影(sdLPP).该方法首先执行LPP获得投影方向,然后在其变换的空间更新近邻图,并重复LPP.另外,本文还提出了一种改进的拉普拉斯打分(Laplacian score)标准作为算法迭代终止和判别力的参考.最后,在几个公共的UCI和人脸数据集上验证了该方法的有效性.