国债指数GARCH模型实证研究

上证国债指数2003年2月24日至2005年7月14日日收盘时间序列经一阶差分后是平稳序列,利用一阶差分序列建立的ARIMA模型存在自回归条件异方差,在ARIMA模型基础上建立的GARCH(1,1)模型、ARCH(1,1)-M模型、TA．RCH(1,1)模型,模型系数检验、标准化残差检验及自回归条件异方差检验都非常理想。由于一阶差分代表收益,利用GARCH(1,1)模型可以对上证国债指数日收益的波动性以及波动性的不对称性,即均值和方差进行准确地预测,同时按差分的定义可将GARcH(1,1)模型转化为预测下一交易日收盘的预测模型。     

自吸气共振型PDE谐振腔内工作过程数值模拟

自吸气共振型脉冲爆震发动机(简称自吸气共振型PDE)的工作原理是基于激波在谐振室内的聚焦点火,从而直接起爆爆震波.通过对自吸气共振犁PDE谐振室内的工作过程进行数值模拟,得到了爆震波的直接起爆、传播等一系列过程,总结出了该新型发动机的潜在优点和缺点,为下一步的研究工作奠定了基础.     

基于变权重变异鸽群优化的无人机空中加油自抗扰控制器设计

针对空中加油过程中的受油机模型建模误差和强扰动以及自抗扰控制器（ADRC）人工参数整定难的问题，提出了一种基于变权重变异鸽群优化（VWMPIO）算法的无人机自抗扰控制器优化算法。首先，给出了六自由度无人机（UAV）模型，基于自抗扰控制结构设计了一种受油机的姿态控制器，在此基础上用所提出的变权重变异鸽群优化算法整定了自抗扰控制器参数。随后，将变权重变异鸽群优化与其他基本鸽群优化算法、粒子群优化算法进行了实验对比，并从控制性能和抗噪声性能的角度对自抗扰控制器和传统的比例-微分-积分（PID）控制器进行了仿真对比。实验结果表明所提算法能提高复杂态势环境下无人机空中加油的控制精度和扰动抑制性能。     

排气液化发动机高速液化装置研究

为简化涡轮排气液化发动机蒸汽液化装置的结构、缩小体积，提出了基于超声速汽液两相流升压原理的水蒸气液化方案，建立了考虑多因素的数学方程式，讨论了水蒸气喷嘴段结构参数、混合室参数、扩压段参数和混合室阻力等对升压能力的影响。计算结果表明：收敛-扩张式升压液化装置的升压系数大于3。     

平均电流型功率因子校正电路的研究

研究一种新的功率因子校正器件ＵＣ３８５４的基本原理，技术特点，着重讨论功率因子校正电路物工作原理及设计要点，并给出一个２ｋＷ样机的验证结果。     

《萨伯公司自1937年以来生产的飞机》一书介绍

有关航空史的书,大多是写人类借助飞行器从事飞行活动的,而写飞行器——比如飞机,它们本身发展历史的书比较少.当你想弄清某种型号的飞机或飞机的某些方面的演变过程时,常常会因为找不到理想的参考书而苦恼.不错,国外有许多世界飞机百科全书之类的巨型著作,但它们求全的同时就很难做到详细.而且这种所谓的“全”书,往往也不能做到真正的“全”.因为在将近100年当中,世界上究竟生产了多少型号的飞机,很难说准确.为了弥补这一缺憾,在英国、美国和加拿大,     

基于使命任务分解的航空电子跨平台通信组织与仿真

在先进的综合化航空电子系统设计中,跨平台通信的组织将直接体现使命任务的需求。通过功能流程框图将航空电子系统使命任务各个阶段分解为功能组件,给出了一种功能组件之间跨平台信息交互的组织方法,并采用移动自组织通信的方式实现。将某任务片段中的空中图像信息传输作为模拟案例,使用OPNET软件进行仿真研究。仿真结果表明,该方法根据任务的特性设定平台之间的动态通信过程,与没有经过使命任务分解设计的对照组相比,在同等发射功率下能够有效地降低误码率。     

自调节模拟低通滤波器的研究

通过对有源低通滤波器，频率／电压转换器AD650及其变容二极管的特性分析，提出由信号频率来自调节有源低通滤波器截止频率的新设计方案，并对其可行性进行了分析和研究。     

“隐喻自洽”理论在民航术语翻译中的应用研究

基于认知语言学的隐喻构建理论，本文分析了翻译者的受喻者和施喻者双重身份，并且在专业经验和感知选择两个维度上应用自洽工具来翻译隐喻性的民航专业术语，以改进民航专业术语的翻译和教学工作。     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。