高管团队专业背景多样性与企业创新研究 ——"多元决策"和"组织冗余"的中介作用

以我国高新技术业上市公司2009—2015年的数据为样本,分析了高管团队专业背景多样性对企业创新的具体效应和影响机制.研究结果表明:(1)高管团队专业背景多样性对企业研发投入具有显著负向影响,对风险水平低的创新活动产出有着正向的促进作用,抑制发明专利产出.(2)高管团队专业背景多样性会分散企业决策,减少组织冗余.(3)...     

面向微纳系统的磁支持式混合发电机

智能化社会需要数以万计的分布式传感器,利用电池进行供能有一定的局限性。针对分布广泛的传感器网络终端节点的供能问题,一种有潜力的方案是收集环境中的能源,因地制宜地为微纳系统供能。提出了一种磁支持式的接触分离模式混合发电机,该混合发电机以磁铁对代替传统的弹簧支持结构,并在纳米发电机的基础上引入电磁线圈,形成混合发电机。相比于弹簧支持式纳米发电机,磁支持式在相同能量的外部激励下能够输出更大的电压和电流,纳米发电机和电磁发电机具有完全不同的发电特性和基本相当的发电能力。综上,相比于弹簧支持式纳米发电机,磁支持式具有更强的低能量机械能拾取能力,在磁支持式纳米发电机的基础上形成的混合发电机能够大幅增加发电机整体输出能力。     

基于试验的飞机结构疲劳优化设计研究

针对飞机全尺寸疲劳试验中结构局部出现裂纹的问题,以美国联邦航空局(FAA)咨询通报AC 23-13A中提供的指导性方法为基础,基于全尺寸试验的1g应力测量结果,对有限元分析模型进行验证,并对飞机结构薄弱部位进行疲劳优化设计研究。研究结果表明,基于试验,通过优化框缘结构尺寸,降低结构的附加弯曲应力和应力集中系数,提高了结构疲劳寿命,对飞机结构设计以及疲劳评定有直接参考价值。     

基于不确定性的设计方案经济可承受性分析

研制周期中的不确定性因素对飞机总体方案的评估结果有着重要影响.通过对飞机设计过程中不确定性因素的分类及其相应处理方法的分析,建立了基于区间数层次分析法AHP(Analytic Hierarchy Process)和鲁棒设计RD(Robust Design)的概率多准则决策MCDM(Multiple-Criteria Decision-Making)方法,可用于处理不确定因素影响下的飞机总体设计方案评估问题,并使评估结果更具科学性.通过上述方法的引入,着重考虑了新技术的引入和寿命周期费用的波动对设计方案的影响,建立了基于不确定性的设计方案经济可承受性分析结构模型.最后,利用算例分析检验了上述分析模型的有效性.     

航空液压泵磨损状况预测

磨损是航空液压泵典型的渐进性故障之一,因磨损量难以测量,对磨损状况进行准确的预测比较困难.针对上述问题,提出了基于多尺度数据的支持向量机预测方法,该方法将支持向量机用于时间序列预测的基本理论和数据多尺度分解、相空间重构方法结合,能更有效地挖掘时间序列的内在联系及变化规律.采用回油流量作为反映航空液压泵磨损状况的敏感信号,将其分解为趋势项和随机项,采用多尺度支持向量机作等维信息一步预测和多步预测,利用网格方法对预测模型参数寻优.对比传统支持向量机算法分析其预测精度,结果表明:多尺度支持向量机模型预测精度更高,适于中长期预测.      

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

一种改进的SVM算法

当训练集的规模很大特别是支持向量很多时,支持向量机的学习过程需要占用大量的内存,寻优速度非常缓慢,这给实际应用带来了很大的麻烦。文献[4]提出了一种针对大规模样本集的学习策略,该方法虽大幅降低了学习的代价,但存在着一个致命的弱点:如果初始样本集选择不当,SVM的分类精度将得不到保障。基于此,本文引入了“最远邻”,对文献[4]中算法进行了改进。实验表明,采用这种改进的算法不仅保留了文献[4]方法的优点,而且这样获得的分类器的分类精度完全可以与直接通过大规模样本集训练得到的分类器的分类精度相媲美,甚至更优。     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

航空发动机起动机送修决策方法

针对飞机维修手册中对空气涡轮起动机送修决策描述的不足,提出一种起动机送修及维护的定量决策方法。该方法依 据某型发动机起动机的可靠性数据建立有效的可靠性统计模型,并以此为基础引入可靠度1阶导数概念制定符合本机队的空气 涡轮起动机软时限;在进一步分析空气涡轮起动机维护成本的构成后,针对其中轴承失效所带来的高昂换修成本问题给出解决方 案;从部件换修成本和延误成本角度出发建立期望损失模型,以经济最优为目标给出定量的起动机维护检查间隔;以某航空公司 机队的起动机使用数据为例,计算起动机送修软时限和滑油检查间隔分别为26960和1915飞行小时。结果表明：该方法依据部件 可靠性和维护成本数据能够制定适用于本机队的起动机软时限和维护检查间隔,具有一定的工程意义和使用价值。