基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。     

考虑筋条扭转弹性支持的轴压复合材料加筋板局部屈曲分析方法

考虑筋条的扭转弹性支持作用,采用里兹能量法建立了轴压复合材料加筋壁板蒙皮局部屈曲问题的理论模型。考虑筋条下缘条对蒙皮的影响,对该理论模型提出了一种改进计算方法。对典型复合材料加筋平板轴压局部失稳临界载荷进行算例分析,通过理论分析结果、试验结果和有限元仿真结果的比较,验证了本文方法的合理性。同时实验结果表明,采用本文方法可显著提高蒙皮局部屈曲载荷计算结果的精度。本文方法可用于复合材料加筋壁板蒙皮局部稳定性前期分析设计中。     

液体火箭发动机离心泵叶轮的多目标优化设计

根据液体火箭发动机系统设计确定的离心泵的性能参数,对泵叶轮的几何参数分别进行了单目标和多目标优化设计。优化目标包括:泵的扬程、效率和轴功率。在多目标优化设计当中,采用超传递近似法对目标之间的重要性进行模糊评价,确定各目标的权值,从而求出优化结果。比较结果表明,多目标优化比单目标优化所得结果更符合工程要求,而对目标的重要性进行评价,所得优化结果更符合设计者的偏好。     

改进响应面法及其近似性能研究

如何提高近似函数的近似性能是多学科设计优化问题的一个重要研究方向,采用多项式响应面法和径向基甬数结合的方法有效提高了函数近似性能.多项式响应面法(Response surface Method,RSM)在对采样点构建插值曲面时,对结果中的残差并未进行处理,从而导致了部分信息的丢失.径向基甬数(Radial Basis Function,RBF)插值有效地利用了样本点的信息,但却无法提供待拟合曲面的梯度信息.改进响应面法(Improvecl Response surface Method,IRSM)通过对RSM方法的残差进行RBF插值处理,可以在增加有限计算量的条件下提高近似精度.并可提供待拟合曲面的近似梯度信息.测试结果表明,IRSM方法的近似精度随着样本点的增多而显著提高.在样本点较少的时候,IRSM方法的近似性能明显高于RSM方法的近似性能,但可能低于RBF方法的近似性能;而当样本点较多时,IRSM方法的近似性能显著高于RSM方法和RBF方法.     

矢量喷管偏转对发动机推力的影响

建立了轴对称矢量喷管数学模型和带这种矢量喷的发动机数学模型,研究了矢量喷管偏转时引起的发动机推力的变化。研究结果表明：喷管有的效矢量角与几何矢量角近似成正比;喷管偏转角较小时,喷管的流量系数及发动机的总推力几乎不同几何矢量角变化,喷管偏转角较大时,喷管的流量系数及发动机的总推力随和何矢量角的增大三小;发动机的轴向推力随着几何矢量角的增大而减小,发动机的侧向推力随着几何矢量角的增大而增大。     

非线性方程求解中的幂指函数法

给出幂指函数在非线性方程求解中的一种迭代算法,既给出初始值的判断条件,又给出方程根附近的近似误差公式。算例表明:与其它五种方法相比,本文提出的幂指函数法精度较高,其收敛速度是Newton法和二次曲线法的10倍左右;而计算时间是Newton法和二次曲线法的十分之一左右。     

杠杆式力标准机自动控制系统

介绍单片机用于杠杆式力标准机控制、实现检定过程自动化的设计方法，重点介绍硬件结构和软件编制。     

CPLD在雷达测距机中的应用

介绍了CPLD的内部结构及特点 ,重点阐述了CPLD在雷达测距机中的具体应用。     

阿尔卡特DME／DVOR设备三种远程监控方案的设计与实现

本文以意大利阿尔卡特生产的FSD－40／45型DME测距器和DVOR4000型全向信标机为实例，对设备的I／O系统和监控软件作了分析，并结合数据通信知识设计了三种远程监控方案，为实现灵活地远程监控该设备提供了经验。     

幂指函数在非线性规划中的应用

给出一种自适应近似函数－幂指函数f^-(x)在非线性规划中的收敛算法。它采用minx∈Enf^-(x)的最优解序列｛x^-｝去逼近原问题minx∈Enf^-(x)的最优解x^*.与传统优化算法相比：该算法最优解｛x^-｝可以通过f^-x(x)=0直接解析得出；该算法不要求序列｛f(x)^k｝具有单调减特性，却能够保证算法的收敛性，该算法的计算量对变量的维数不敏感，从而具有广泛的应用前景，从方法论上，它是采用“特殊非线性”来研究“一般非线性”的一种新方法。