平面超椭圆曲线的二次NURBS逼近

基于超椭圆曲线的基本性质、方程及其图形表示,研究了超椭圆曲线指数s和欲逼近的二次NURBS曲线权重系数w之间的对应关系,给出了超椭圆曲线的一种高精确的二次NURBS逼近方法,避免了因超椭圆曲线取点误差而可能产生的对生成曲面的影响,也大大缩减了计算量。文中给出了超椭圆曲线的二次NURBS逼近效果图,探讨了将此方法用于飞机机身曲面外形设计的相关步骤。     

典型系统的区间可靠性分析

在已知系统组成单元的区间可靠度或单元区间失效概率前提下,根据扩张原理,利用区间分析方法,分析了串联系统、并联系统、先串后并系统、先并后串系统、r/n(G)系统等典型系统的区间可靠性。基于区间数比较的可能度公式,提出了准一致性概念。分析了典型系统的区间可靠度特性与其点可靠度特性之间的准一致性。这一结果进一步完善了系统区间可靠性分析理论。     

激光捷联惯导系统角增量输入姿态算法

在对经典理想角增量输入的圆锥算法分析总结基础上,提出并推导了更为合适的经典角增量输入圆锥算法通式.在对经典理想角增量与实际工程滤波角增量的圆锥响应对比分析基础上,推导了滤波角增量输入圆锥补偿算法的补偿系数和误差主项通式.最后,利用文中讨论的理想角增量输入和滤波角增量输入圆锥补偿算法,结合激光陀螺惯性导航系统的频谱特性进行了大量的仿真验证.仿真结果表明,文中讨论的角增量圆锥算法有效,能显著提高激光陀螺捷联惯性导航系统的姿态精度.     

飞机外形件三角网格模型光滑B样条曲面重建

综合考虑曲面重建时的拟合精度、曲面片拼接处的连续性和曲面的光顺性等因素,以三角网格模型的双三次B样条曲面重建为例,研究了飞机外形件三角网格模型的分片光滑B样条曲面重建方法。该方法首先采用最小二乘法逼近散乱数据,初步获得分片B样条曲面;然后将光顺准则加权到最小二乘函数中调节曲面光顺程度;最后运用罚函数法保证曲面片边界近似G1连续。将该方法应用于飞机外形件实测数据的曲面重建,误差分析结果验证了方法的有效性。     

结合图像局部信息的高斯混合型图像分割框架

针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性．因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。     

Weibull分布下恒定应力加速寿命试验分组数据的统计分析

对Weibull分布恒定应力加速寿命试验的分组数据,利用形状参数的线性无偏估计将分组数据转换为指数分布的加速寿命试验分组数据,建立相应的似然方程,求解得到加速模型参数最大似然估计,最后对某实例进行了分析。     

大学生爱情责任意识的调查分析

通过问卷调查和访谈的形式,对部分大学生的恋爱动机、恋爱态度、婚恋观点等进行深入调查,旨在通过大学生的恋爱表现来分析大学生的爱情责任意识。     

角接触球轴承分析模型的数值求解

建立了内圈静止、外圈旋转的角接触球轴承分析模型,考虑了滚动体的离心力、陀螺力矩以及弹性流体动 力润滑作用.建立了非线性方程组未知量的约束条件,解决了Newton-Raphson法求解方程易出现不收敛的问 题.以两个角接触球轴承为算例,分析了轴承内、外圈分别旋转对应力的影响,以及转速和径向载荷对轴承工作 性能的影响.结果表明,轴承外圈转时接触应力随转速增大而显著增大,内圈转时则无明显变化;低转速下外圈 转的接触应力明显低于内圈转;较小的径向栽荷下外圈转的接触应力高于内圈转;轴承微区滑动速度受转速和径向栽荷的影响显著.通过Jones球轴承拟静力学分析程序计算,验证了模型和程序的有效性.     

新的被动自适应起落架缓冲器设计与着陆性能研究(英文)

研究了一种双腔双阻尼的被动式自适应缓冲器;给出了此缓冲器的数学模型,并基于动力学仿真软件ADAMS建立了该缓冲器的虚拟样机;分析了该缓冲器的着陆动态性能及其主要参数对全机着陆动态性能的影响.分析表明:在使用功条件下,自适应缓冲器的着陆性能比单腔变油孔缓冲器性能略好;而在粗暴着陆条件下,自适应缓冲器的过载远小于单腔变油孔缓冲器,起到主要减载作用.增大高压腔、低压腔体积或增加低压腔压力或减小高压腔压力均可使自适应缓冲器的过载减少.     

判别性正则化:一种新颖的分类器学习方法(英文)

提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性.