简单式空调制冷系统流阻匹配探讨

对于不同的简单式空调制冷系统,内阻高低对系统特性的影响并不一致。经过建模初步分析,给出不同的简单式空调系统在流阻匹配上的倾向性选择。     

磁探仪应召搜潜建模与仿真

依据经典的磁探仪应召搜潜方法,以某型反潜巡逻机为背景,建立了反潜巡逻机利用磁探仪执行平行航线、扩展矩形和螺旋形搜潜模型.对3种方法的搜潜概率进行分析,仿真了相同潜艇运动模型条件下,潜艇初始位置散布、初始距离、潜艇经济航速和海洋环境磁噪声对搜潜概率的影响.实验结果表明:相同条件下,螺旋形搜潜效能最高;潜艇只进行航速机动时...     

调相白噪声对频率传递短期稳定度的影响分析

详细分析了调相白噪声对频率稳定度的影响。经过理论分析,得出了频率传递系统信噪比的开方与稳定度成正比,调制信号频率与稳定度成正比。经过分析得到,在一定范围内,提高激光器光功率可以提高频标传递的稳定度;调制频率和传递系统信噪比是影响短期稳定度的两个重要因素;通过增加EDFA的方法不能提高传递系统短期稳定度,反而每增加4到5个EDFA,稳定度下降1个数量级。     

基于收费模式的机场航空噪声治理分析

首先介绍了收费模式在国外机场航空噪声治理中的应用,然后从经济学的视角分析了基于收费模式的机场航空噪声治理的理论依据以及最优航空噪声水平的确定,并分析了收费模式的优缺点,最后总结了我国机场航空噪声治理的现状,并展望了发展趋势。     

带挠性附件的航天器结构-姿态耦合动力学

用Lagrange方程建立了基于混合坐标法的带挠性附件航天器结构-姿态动力学模型,对挠性附件结构的振动特性及其与航天器的耦合关系进行了理论分析,提出了航天器结构-姿态联合仿真分析的方法,并以某卫星天线为挠性附件结构,仿真分析了天线结构的振动特性及其对姿态控制系统的影响.结果表明:提出的航天器结构-姿态联合仿真方法能有效...     

基于最大信噪比的带噪测控信号分离算法

在实际卫星测控信号侦察中,混合副载波信号分离比较困难,且耗时较长.为此,提出一种基于小波变换和最大信噪比的副载波盲分离算法.先利用小波阈值算法对混合带噪信号进行消噪处理,然后采用基于最大信噪比的盲分离算法对消噪后的信号实施分离,最后得到测控副载波信号的估计.MATALAB仿真结果表明,该算法计算复杂度低,耗时短,能够较...     

基于AMESim的直动式电磁阀动态仿真研究

介绍了直动式电磁阀的结构和工作原理,利用AMESim仿真软件,建立了基于AMESim的直动式电磁阀动态仿真模型,并进行了仿真,研究了软磁材料、励磁电压、等参数对直动式电磁阀动态响应的影响。仿真分析与试验验证比较表明,该AMESim模型较为准确地描述了电磁阀的动态特性。     

总温传感器动态特性的方向敏感性研究

讨论了气流方向对一种机载总温传感器动态特性的影响，发现气流偏角对传感器的动态特性有很大的影响，首次提出了总温传感器动态特性的方向敏感性概念。本文分析了其原因，并指出在设计、生产和使用过程中控制气流偏角的大小，否则将破坏传感器的动态性能。这一结论也适用于与结构类型相似的其它总温传感器。     

喷口自由剪切层自激振荡优势频率的预测

研究了喷口边缘自由剪切层在下游扰流物干涉下产生自激振荡的机理 ,并进行了相应的实验。基于对空腔流自由剪切层自激振荡各阶模态的频率方程的合理改进 ,使之能预测喷口边缘自由剪切层在下游扰流物干涉下所致的自激振荡的模态频率。实验结果表明 ,采用改进后的空腔流自由剪切层自激振荡的频率方程能较好地预测喷口自由剪切层自激振荡所致噪声的优势频率 ,并能用于工程计算。另外 ,作者在考虑声与流动耦合的复杂性时提出 :声压与涡脱落相互作用的力阻抗所致的时延 2 πα中的 α与当地马赫数有关 ,而并非为常数 0 .2 5。声的传播是弹性介质中疏密波的传播 ,脱落涡的传播是流动介质中涡质量的传播 ,声与流动耦合的力阻抗的抗性取决于它们两者在耦合时所占有的主次地位 ,由实验数据表明 ,当 Ma∞ <0 .3 4时 ,力阻抗的抗性会由质量抗转变为弹性抗 ,即 α会由正值变为负值。     

A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.