基于EFFD方法的自然层流短舱优化设计

采用extended free-form deformation(EFFD)方法研究了自然层流(natural laminar flow,NLF)短舱的气动外形优化设计方法.使用基于Bernstein基函数的EFFD方法完成了NLF短舱剖面的参数化,利用基于k-εSST(shear stress transport)两方程湍流模型的γ-θ转捩模型进行自然转捩预测,结合EFFD、一种混合动网格方法、Kriging代理模型和改进的粒子群算法(particle swarm optimization,PSO)建立了针对NLF短舱气动外形的优化设计框架.采用该框架分别对通气NLF短舱和带动力NLF短舱进行优化设计.单独通气NLF短舱优化结果的外表面实现48%的层流,阻力系数比初始通气NLF短舱减小了0.0003.带动力NLF短舱的优化结果外表面保持了41%的层流.这些结果表明采用相关技术建立的优化设计框架在NLF短舱设计中具有一定应用价值.     

粘贴压电层功能梯度材料Euler梁热屈曲前自由振动的半解析数值法

研究上下表面粘贴压电层的功能梯度材料Euler梁在升温及电场作用下的振动行为。在精确考虑轴线伸长基础上,建立压电功能梯度Euler层合梁在热-电-机械载荷作用下的几何非线性动力学控制方程。其中,假设功能梯度的材料性质沿厚度方向按照幂函数连续变化,压电层为各向同性均匀材料。把问题线性化,利用打靶法,获得在均匀电场和横向非均匀升温场内两端固定和两端简支Euler梁在热屈曲前自由振动特性的半解析数值解。由于材料在横向的非均匀性,即使在均匀升温和均匀电场作用下,梁内仍然会产生拉-弯耦合效应,对梁的自振频率也有一定的影响。     

薄壁结构固有频率的p型有限元数值计算收敛性研究

通过使用MSC．Patran／Nastran中的p型有限元评价多种典型薄壁结构构件动力学品质分析中的特征值计算收敛问题,并对高阶形函数的作用进行了深入分析,从而说明高阶p型体元在薄壁结构建模中的优越性。     

网络实时录播系统在网络课程库建设中的应用

不改变传统教学方式 ,利用网络实时录播系统可以有效地发挥传统电教设备的作用 ,轻松实现网上直播、实时记录和点播 ,构建网络课程库     

高升阻比自然层流翼型多点/多目标优化设计

研究并发展了一套进行高升阻比自然层流翼型多设计点/多设计目标的优化设计方法。为减少设计中的计算量,使用了XFOIL程序进行流场计算。使用基于响应面方法的优化方法进行最优化计算,并使用了不含二阶交叉项的二阶多项式模型作为响应面模型,大大减少了构造模型所需的试验次数,使进行更多设计变量和多点设计成为可能。试验点的选择满足D-优化准则。研究了设计点及目标函数的选择,进行了单点/单目标及多点/多目标的设计,结果表明:多点/多目标设计可以很好的改善单点设计中非设计点性能变差的缺点,设计结果有工程实用价值。     

论月球资源和航天月球探测

月球有珍贵的信息资源 ,丰盛的物质资源 ,奇特的环境资源和高远的位置资源。月球是航天深空探测的重点天体。长久以来的天文观察和最近 4 5年来的航天探测 ,已使人类对月球的面目有了相当多的认识。     

电机变频控制实现换热器节能的应用研究

结合寒冷地区气候特点与通信机房温控的现状,针对50%浓度乙二醇溶液为工质的换热器,试验研究了自然冷源利用率与换热器自身变频节能的关系。结合乙二醇冷剂的特性,通过建立功率与频率关系模型、温差与功率和频率关系模型,实现了换热器循环泵和风机的变频控制策略。结果表明:在室内外温差、换热功率与循环泵、风机频率同时满足的条件下,以功率模型作为参数进行换热器自身的变频节能是可行的。通过对哈尔滨地区的气候数据与散热房控温试验分析,证明了乙二醇换热器的变频节能效果。     

金属膜盘联轴器轴向振动特性研究

为研究金属膜盘联轴器的轴向振动特性,分别通过有限元计算和试验方法分析了金属膜盘联轴器的轴向拉伸刚度、轴向压缩刚度和轴向固有频率。根据分析结果,对某型膜盘联轴器开展了在运转条件下的轴向振动测试。结果表明:金属膜盘联轴器的轴向拉伸刚度和压缩刚度均呈现明显的非线性特性。在某型联轴器的工作转速范围内存在轴向振动固有频率,但仅在使用转速激励,且在联轴器的轴向固有频率下运转,联轴器才不会发生轴向共振。     

廊坊市市区水资源规划治理研究

水资源是人类赖以生存的资源,现今,水资源已成为制约我国民经济发展的障碍,如何在充分利用水资源、保护水资源的基础上发展经济,是实现可持续发展的重要条件。本文通过对废水排放量和规划用水量的预测,对廊坊市未来的水资源利用规划提出建议,实现可持续发展。     

Mining Spatial Associations with Limited Sensory Information

Abstract

Human navigation in an unknown environment requires an understanding of the spatial relationships of the terrain. For example, a soldier who is on a reconnaissance mission in a new city needs to “know” the spatial layout of the surroundings with high confidence. Oftentimes, this understanding must be acquired within a very short amount of time and with limited sensory inputs. The soldier would benefit from a digital avatar that draws inferences about the spatial layout of the city based on an initial set of observations and guides the soldier either in further exploring the environment or in making decisions based on these inferences. In this paper, we present and evaluate an inductive approach to learning spatial associations using sensory data that is available from the simulation environment of a computer game, Unreal Tournament. We study two kinds of spatial relationships between nodes on a level of a game map: nodes that are placed near each other to satisfy some spatial requirement and nodes that are placed near each other to satisfy the design preferences of a level architect. We show that we can infer both kinds of relationships using an association rule mining algorithm. Furthermore, we show how to use an ontology to distinguish between these relationships in order to discover different types of spatial arrangements on a specific map. We discuss how the inferred associations can be used to control an avatar that makes recommendations for navigating unexplored areas on a map. We conclude with some thoughts on the applicability of our methods to scenarios in the real world, beyond the simulation environment of a game, and on how the learned associations can be represented and queried by a simple question-answer type system.