我校电子类高职高专学生专业素质、能力及特点的调查

论文阐述了我校电子类高职高专学生专业素质、能力及特点的调查情况与分析结果，为我校承担的广西高等教育改革立项工程(A级)——“电子实践教学体系与实践教学基地建设的研究”课题的开展迈出了第一步。     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类（ICC）将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。      

飞机框肋类零件基础特征自动识别与提取算法

飞机框肋类零件是组成飞机骨架的重要零件,具有数量大、形状各异等特点,其生产制造所耗费的时间在飞机研制过程中占有较大比重。然而,通过现有CAD软件所提供的功能进行相关制造操作,无论是效率、质量等均已不能满足现代飞机设计和制造要求,围绕飞机框肋类零件研究和开发相关的自动化制造系统已迫在眉睫。基于框肋类零件边界表示模型对零件基础特征进行自动识别与提取,是实现后续相关工艺规划与加工的基础与前提。针对该问题,提出零件基础特征模型,并建立一种基于同侧面的特征识别算法,即:以零件STEP数据作为输入,选取两侧腹板面,应用属性邻接图（AAG）构建、有效邻面识别、关联面完整识别等方法,逐级识别各级关联面以构建两侧同侧面,通过同侧面单元匹配最终实现基础特征构造和特征邻接图构建。其中,针对零件三维模型中的碎面缺陷提出其定义与识别方法,以保证特征面识别的完整性。经由实例测试,验证所提算法的可行性与有效性。      

基于可用能的多电飞机能量利用率分析方法

为了分析复杂多电飞机系统的能量使用情况,将模块化系统建模与可用能分析方法相结合构造出一种能量利用率分析方法。利用该方法将多电飞机系统分成动力、电力、液压、机体、防冰除冰、环境控制和座舱等子系统,在完整巡航任务剖面内计算各子系统可用能的分配和使用情况,分析相同飞行状态下不同子系统以及相同子系统在不同飞行状态下的能量利用率。所采用的燃料可用能计算公式不仅考虑了化学能还考虑了燃烧状态的影响。结果显示,多电飞机中可用能损失主要发生在发动机中,液压作动系统紧随其次;防冰除冰单元在飞机盘旋阶段的可用能效率较低,在起飞着陆阶段效率较高。     

复杂通道类零件五坐标加工全局干涉处理方法

 针对复杂通道类零件五坐标端铣加工中全局干涉问题,提出一种基于临界约束与临界位置精细化的干涉处理方法。通过分析刀杆碰撞干涉特点,以切触点处垂直于走刀方向平面与被加工曲面交线为基础,计算刀具的初始临界位置。在零件坐标系下,建立自动编程刀具轮廓函数,基于初始临界位置,选定与刀具临近点集。在刀具坐标系下,采用距离监视的方法计算点集到临界刀轴的距离,判断干涉点集,计算与之对应的刀具旋转角度集,选取最大的旋转角,从而确定出无干涉刀轴矢量。算例结果表明,该方法能够快速确定干涉检测范围,准确生成无干涉刀位轨迹。     

不动点类的代数注记

本文利用不动点类的代数化,决定复迭空间的基本群的正规子群H的构成因素及其性质,研究不动点类与H不动点类的关系。     

基于灰色关联模糊聚类算法优化飞机排故方法

采用灰色关联与模糊聚类原理,建立一种灰色关联的模糊聚类算法,应用该算法可直接对飞机维修经验中的多种排故方法．依排除故障的可能性进行排序,并根据排序结果时排故方法进行相似聚类,从而将排故经验与多因素决策算法进行有效综合．较好地解决了民航飞机故障诊断专家系统中多种故障原因的优化选择问题,并可直接给出排故方法的选择指导,提高专家系统的指导水平和飞机排故效率。文中对算法原理进行了详细介绍,并给出算法实例。     

基于粒子群聚类优化的快速分形图像压缩算法

针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将粒子群优化算法应用于聚类中心的求解中,利用聚类优化方法分别对子块和父块进行聚类,匹配时通过类内搜索取代全局搜索,减低了编码时间。仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,本文的算法编码速度可提高大约5倍;同近期文献报道的基于K-均值聚类优化的快速分形图像压缩算法相比也有明显的改善。