浅谈如何提高大一新生公共外语自主学习的策略

随着改革开放进程的加快我国社会迅猛向前发展,与此同时推动我国与国际世界的交往日益频繁,因此培养大量的有专业知识和技能同时能够熟练掌握一门外语的高级专业人才成为我国社会的紧迫任务。对于在校非英语专业的大学生来说,他们把大量时问都花在了本专业知识的学习上,因此英语学习时间就变得捉襟现肘,所以培养他们英语自主学习能力进而提高其英语学习效率就变得尤为重要。本文将首先介绍自主学习定义,然后阐述提倡自主学习的必要性,最后研究总结出如何提高非专业大一新生大学英语自主学习能力的策略。     

基于CenterNet的航空遥感图像目标检测

为实现高精度的航空图像目标检测,将Anchor free的目标检测算法CenterNet应用到检测中,同时使用Resnet50主干网络,并引入CIoU损失替代原有损失函数对网络模型做出了改进。改进后的算法在RSOD与DIOR数据集上进行测试,结果显示在保证网络轻量化的前提下检测精度有明显的提高,证明了算法在航空目标检测方面的可行性与准确性。     

基于任意两点试验信息的寿命分散系数法

在试验数据缺失无法获得中位寿命时,为避免偶然因素导致个别试验结果偏低而造成技术寿命偏低,浪费寿命的情况,提出了基于任意两点试验信息的寿命分散系数法.推导了基于对数正态分布小子样任意两点试验信息的寿命分散系数计算公式,计算了给定置信度下相应的寿命分散系数.算例表明:利用提出的方法及相应寿命分散系数,得到的技术寿命与基于中位寿命获得的技术寿命结果接近,方法合理.最后给出了该方法的适用范围.      

离心式喷嘴在小尺度受限空间雾化特性的实验研究

为了了解小尺度受限空间中离心式喷嘴的雾化特性,设计了四旋流槽离心式喷嘴和小尺度模拟燃烧室,采用相位多普勒粒子动态分析仪(PDA),观测了喷射压力对模拟燃烧室内雾化性能的影响.引入离散系数cv对喷雾场雾化参数的周向分布规律进行了着重分析.结果表明:模拟燃烧室内,喷射压力越大,液滴索特尔平均直径D32的值越小;在z∈[41.5,94.2]的轴向距离范围内,喷射压力对Vz的影响不明显.由于壁面作用,液滴D32的周向分布均匀性随着径向距离的增加变差;距离喷嘴出口越远处,液滴D32的周向分布均匀性越好.在喷射压力相同条件下,同一喷嘴在模拟燃烧室内雾化参数的周向分布均匀性比在大气环境中波动更大.     

基于正则化多核判别分析的航空发动机滚动轴承早期故障融合诊断方法

针对基于机匣测点信号的航空发动机滚动轴承早期故障诊断问题,提出了一种基于正则化多核判别分析的融合诊断方法.该方法首先提取多种类型的滚动轴承故障特征;然后采用相同的一组核参数为不同类型的特征分别构造一组核矩阵,并将所有核矩阵组合在一起;最后通过求解一个半无限线性规划得到该组核矩阵关于正则化核判别分析的目标函数的最优线性组合系数,进一步采用该系数计算所有核矩阵的线性组合,从而实现多种类型特征信息的融合.实验结果表明:该方法诊断正确率与采用单一类型特征诊断的最高正确率相比提高了9.25%,同时可以避免核矩阵需要人工选择的问题,从而进一步提高了故障诊断的自动化水平.      

基于知识的翻边工艺设计支持系统

钣金零件是组成飞机机体的主要部分,为了提高钣金工艺设计的质量与效率,实现知识的重用和共享,对翻边工艺设计的智能化、知识获取技术进行了研究。根据翻边成形受力状态的不同,提出了翻边件的特征表示方法,总结了3种翻边组合模式,用于建立相应的设计模块;提出了面向实验和有限元数据的知识获取方法,将隐式知识从数据中提取出来,构建知识库,支持系统的智能设计。根据提出的方法,结合CAE模拟,建立翻边工艺设计支持系统,具体实际事例表明所建立的系统提高了设计的质量和效率。     

基于ADE-ELM的涡轴发动机建模方法

提出了基于自适应微分进化-极端学习机(ADE-ELM)求解平衡方程的高精度涡轴发动机实时部件级模型建立方法.基于牛顿-拉夫逊(N-R)迭代模型,以迭代计算前模型平衡方程残差为输入,迭代收敛后平衡方程猜值修正量为输出,训练极端学习机,并采用自适应微分进化(ADE)算法优化极端学习机(ELM)参数,提高猜值修正量映射精度.ADE算法中采用sigmoid型自适应缩放因子,提高了微分进化算法的寻优能力.在涡轴发动机不同飞行状态下的测试结果表明,以N-R迭代算法模型为基准,基于ADE-ELM的发动机模型,最大建模误差约为一次通过算法的1/3,运算耗时约为一次通过算法的1/3,验证了算法的有效性.      

Impulse feature extraction method for machinery fault detection using fusion sparse coding and online dictionary learning

Impulse components in vibration signals are important fault features of complex machines. Sparse coding(SC) algorithm has been introduced as an impulse feature extraction method, but it could not guarantee a satisfactory performance in processing vibration signals with heavy background noises. In this paper, a method based on fusion sparse coding(FSC) and online dictionary learning is proposed to extract impulses efficiently. Firstly, fusion scheme of different sparse coding algorithms is presented to ensure higher reconstruction accuracy. Then, an improved online dictionary learning method using FSC scheme is established to obtain redundant dictionary and it can capture specific features of training samples and reconstruct the sparse approximation of vibration signals. Simulation shows that this method has a good performance in solving sparse coefficients and training redundant dictionary compared with other methods. Lastly, the proposed method is further applied to processing aircraft engine rotor vibration signals. Compared with other feature extraction approaches, our method can extract impulse features accurately and efficiently from heavy noisy vibration signal, which has significant supports for machinery fault detection and diagnosis.     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。     

基于大变形蠕变分析的持久寿命预测方法

提出一种基于真应力真应变弹塑性蠕变本构模型和大变形有限元分析的高温构件持久寿命预测方法.该方法利用以真应力-真应变表示的材料高温拉伸应力-应变曲线建立材料的弹塑性模型,基于蠕变曲线建立蠕变本构模型,并采用大变形有限元方法计算高温构件在给定载荷下的变形响应曲线,根据其响应曲线的变化趋势来确定构件持久寿命.通过TC11钛合金缺口试件500℃下的持久试验对上述方法进行验证,并与三种基于小变形分析的持久寿命预测方法进行对比.结果表明:本工作提出的方法可以较准确地预测TC11缺口试件的高温蠕变响应和持久寿命,其预测精度优于基于关键点断裂应变、缺口净截面平均有效应力以及骨点应力的小变形有限元分析的寿命预测方法.