众眼看宇宙

<正>蝌蚪星云内的恒星诞生活动这幅令人震撼的红外波段的特写影像是由NASA的广角红外巡天卫星WISE所拍摄。它为我们展现的是位于北天御夫座方向昏暗的发射星云IC410,它距离我们约12000光年远。影像突显了中心两道指向中心且相对致密的"蝌蚪"。这个10光年长的宇宙级蝌蚪,是未来IC410内恒星可能的诞生位置。这个星云内部还隐藏着一     

拟协调九结点四边形层合板壳有限元

构造了一个拟协调九结点四边形层合板壳单无，这一单元是根据Ｈｕ－Ｗａｓｈｉｚｕ变分原理导出的，独立假设了位移场、每一层的应变场和应力场。文中计算了复合材料板和充实例。计算结果表明，本文单元在准确性和高效率方面的性态较好。     

刀口法测量高斯光束腰斑大小实验设计

本文设计了利用刀口测量的高斯光束腰斑大小的测量实验装置,并阐述了具体的测量过程。此方法用于μｍ级激光光斑大小测量是可行的,实验装置简单实用。     

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。     

基于改进HHT的非高斯噪声中瞬态通信信号检测

根据瞬态通信信号和非高斯噪声的特点,建立了相应的信号模型,并利用希尔伯特-黄变换（HHT）处理非线性非平稳信号的优势,提出了基于改进HHT的非高斯噪声中瞬态通信信号的检测算法。该检测算法分为集合经验模式分解（EEMD）和固有模态函数（IMF）分量筛选两部分,首先经过加入随机白噪声多次试验取均值得到待检测信号的IMF分量,再结合各个分量与原信号的能量差异和相关性剔除虚假IMF分量,从而实现对混叠在非高斯噪声中的瞬态通信信号的有效检测。仿真在不同的条件下对比了本文算法与其他算法对信号的检测效果,结果证明本文算法能够有效克服HHT中存在的缺陷,实现对瞬态信号更为准确的分析和检测。     

翼尖附近热气防冰系统的优化设计

为了保证飞机能在结冰的气象条件下飞行,在一些主要的部位必须安装有防冰系统,对于现代的商用运输机机翼防冰来说,主要运用热气防冰系统。机翼热气防冰系统由发动机引气,所供热气流经供气管路分配到各段缝翼内,然后从缝翼内的笛形管喷孔喷出,加热机翼前缘蒙皮。     

基于成本控制的机队优化配置方法

为了控制航空公司运营成本,实现燃油成本和机组时间成本最小,建立多目标整数规划模型,分析各成本因素所占比例,考虑旅客市场需求、航线频率限制、机队飞机寿命限制及飞机适航限制等因素,并采用层次分析法对模型进行求解。通过算例分析和评价,实现航线资源与机队的最优配置,为航空公司降低可变成本提供理论依据。     

管制员班组内排班影响因素的权重分析

管制员排班技术是提升管制工作效率的一种重要方式,鉴于空中交通管制行业的特殊性及管制工作规定的影响,管制员班组管理是一项系统性工作.结合国内外研究理论,通过走访和调研,采用调查问卷的形式,以保障安全、提高绩效为目标.建立管制员排班时应考虑的因素列表,对影响管制员的各种因素进行综合分析,对影响班组内排班的因素进行分层,构建判断矩阵,利用层次分析法得出各个影响因素的权重,通过权重大小的排序,有针对性地提出西北空管局管制员排班改进策略,实现人力资源优化配置及提升管制工作效率和安全度.     

基于蒙特卡洛模拟法的分尾装置优化设计

设计出了一种简单可靠的钩针式的马尾织布机自动分尾装置,在介绍了该装置的机械结构和工作原理的基础上,采用蒙特卡洛法模拟法对关键的结构参数进行了优化设计,大大缩短了设计和试验周期;该装置已成功用于生产,提高了生产效率。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。