快速拉格朗日差分法在巷道锚杆支护计算中的应用

快速拉格朗日法是一种新型的数值计算方法。本文介绍了快速拉格朗日法的基本原理和分析过程;并将这种方法应用于巷道锚杆支护的计算中,对锚杆支护前后围岩的变形进行了对比。结果表明锚杆在控制围岩垂直方向的变形有明显的作用。     

基于AHP的航空装备技术保障质量影响因素分析

围绕航空装备技术保障质量控制,深入分析了航空装备技术保障质量控制的内涵,构建了航空装备技术保障质量控制过程模型,阐述了影响航空装备技术保障质量的各种因素,并在调研和统计分析的基础上,应用层次分析法给出了影口向航空装备技术保障质量的因果图。     

柔性接头角刚度及弹性件剪切应变的精确计算

角刚度（又称弹性比力矩）及弹性件在最大摆角下的剪切应变是固体发动机柔性接头设计的重要指标。在考虑固体火箭发动机柔性接头层弹性件几何尺寸的差异的基础上,推导了角刚度及弹性件剪切应变的精确计算公式。算例表明,该方法计算精度更高。     

航材保障经费的优化配置研究

航材保障的主要工作包括航材筹措、储备、供应和管理,这些工作均需要经费支撑,数百万项航材占用大量的资金.如何充分利用和优化配置好航材保障经费,对提高航材保障良好率和飞机完好率至关重要.以航材保障经费为资源,以航材系统整体保障效益的提高和飞机维修器材费用的优化配置为目标,建立了航材保障经费优化配置模型,应用边际分析法推导出模型公式,利用数值计算法获得使航材保障效益最佳的经费优化配置方案,使有限的航材保障经费充分利用,发挥其最大的保障效能.     

基于SVM的浮动车行驶模式判断模型

浮动车在低速情况下存在两种行驶模式,如不能对上述模式进行准确区分,将严重影响浮动车实时路况计算的精度和效率.研究和设计了一个基于支持向量机(SVM,Support Vector Machine)的浮动车行驶模式判断模型,并针对性地提出了一种简单的基于隶属度矩阵的特征评价和选择方法.实验表明通过上述方法选择的特征子集所训练的分类器在测试样本集上具有92.6%的分类准确性;经过行驶模式分析后,浮动车系统的准确性有显著提升.      

支持向量机在航空结构声激励应力分析中的应用

支持向量机是一种新的机器学习方法。它以统计学习理论为基础,从结构风险最小化原则出发,具有很好的泛化及推广能力。通过采用支持向量机对飞机襟翼结构在声激励试验中获得的总应力、总加速度及总声压数据进行分类,分别获得结构响应间的线性关系和非线性关系的样本点以及线性与非线性界限。最后利用多元线性回归模型分别建立线性关系和非线性关系的仿真模型。研究表明,支持向量机在模式分类中具有良好的分类性能,在解决航空结构声疲劳问题中有较好的工程应用前景。     

壁面吊挂清洗机器人碰壁缓冲问题研究

从机器人自动上壁及缓冲的需求出发,分析了机器人拉力形成的机理、碰壁的原因和过程.利用空气动力学原理,给出了拉力的计算方法,采用机器人物理样机进行实验,对计算结果进行了验证.在拉力的作用下机器人与壁面贴合,同时伴随碰撞,其间冲击能量的吸收由机器人裙边和支撑机构所构成的缓冲装置承担.前者还要保证机器人贴壁后的密封,因此刚度不宜过大,后者还要保证机器人在壁面上稳定行走,因此它的刚度又不宜过小.给出了缓冲装置刚度的确定方法及其在裙边和支撑机构上的分配准则,可用于工程分析.     

民用飞机顶起和支撑设备研究

民用飞机的顶起和支撑设备在飞机的维修、改装、抢救等工作中必不可少。总结了顶起和支撑设备的分类,介绍了不同种类设备的主要功能、结构组成以及应用场景。给出了顶起和支撑设备的选型及研制的工作方法和具体工作要求。针对不同的使用单位,给出了顶起和支撑设备的常规配置建议。民用飞机的地面支援设备产业是飞机制造业的支撑型产业,国产民机制造商应积极推进国内地面支援设备产业发展,建立并完善民用飞机地面支援设备设计标准和规范体系。     

动态保障结构下多级多层备件配置优化建模

针对作战编队执行长时间、远距离任务期间,编队后方保障站点变更的情况,结合部队维修保障的特点,基于可修复备件多级管理(METRIC)理论,通过计算编队剩余备件分布规律,建立了动态保障体系结构下基于时变可用度的三级两层备件保障模型。以备件储存空间为约束,可用度为目标,建立了分阶段边际优化模型。列举实例,采用分阶段边际算法对备件方案进行优化,对比分析了动态保障结构下和固定保障结构下装备可用度随时间的变化,并采用蒙特卡罗仿真方法对案例进行实验验证。案例结果表明:采取多个后方站点的保障方式能有效提高装备可用度;案例仿真实验结果与解析结果误差在4%以内。模型可为保障决策者制定备件方案提供辅助决策工具。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。