具有线性回归特征的多组实验结果对比分析方法的研究

研究试验参数变化情况下．具有线性回归特征的多组试验结果差异性的对比分析方法。数学上谈问题转化为对回归直线的常数口和比例系数6两组随机样本的F检验。当这两个指标均无显著差异时，认为两组(或多组)试验数据无显著差异。谈法将判断的范围外推到了整个实数域，因此要求条件过高。本文提出了重合度法，即用试验参数的共同区域内回归直线置信带的面积重合度．判断实验结果的一致性。对试验数据的分析表明，该方法具有明显的合理性．但其临界值还需进一步研究确定。     

高分辨率模数转换电路的设计及误差分析

随着惯性技术的发展,传统的电流频率(I/F）转换电路已经不能满足惯性系统的需要。在传统的I/F转换电路的基础上结合A/D采样芯片,用来对积分器残余电荷进行采样,以得到一种高分辨率模数(I/F+A/D）转换电路。介绍了转换电路的工作原理,分析了电路的原理性误差。经仿真分析及实验验证,与传统的I/F转换电路相比,该电路具有更高的满度输出频率、更大的标度因数以及更好的线性度。输入小信号对电路进行测试,测试结果表明该电路对小信号更加灵敏,具有更高的分辨率。     

改进的车载空调压缩机无位置传感器控制起动方法

无位置传感器控制是空调压缩机控制系统的较优选择。针对基于滑模观测器(SMO)的永磁同步电机(PMSM)无位置传感器控制系统零速观测精度低、起动难度大等问题,提出了一种改进PMSM无位置传感器的零速低速起动及中高速域使用的SMO控制的切换方法。在电机低速和零速时,I/F控制使其工作在角度开环电流闭环的工况下,该算法的给定相位与观测相位误差达不到系统切换要求,需利用降低开环电路的方式来降低误差;在电机转速提高的同时补偿SMO的角度,使观测角度接近真实角度,2种算法切换时稳定性更高,抗干扰能力更强。根据MATLAB/Simulink仿真结果和实际3.5 kW车载空调PMSM调试,验证了该方法的可行性和改进算法的有效性。     

论组织的量化质量管理(六)——3F

3F(FRACAS、FMEA、FTA)技术。对出现的故障(缺陷)要按FRACAS进行处理。要"需求牵引",尽可能使利益相关方的需求完备,还应充分考虑反向需求,提出潜在需求。对需求(包括潜在需求)及设计进行FMEA,对多个故障(缺陷)同时出现会导致严重(安全)后果的事件作FTA分析。     

基于单类支持向量机的航空发动机故障检测

通过监控航空发动机性能参数,准确判断发动机的工作状态,预知发动机的异常变化．为预防和排除故障提供充足的时间和决策依据。开发出利用QAR（quick access Feeorder．快速存取记录器）数据的发动机故障检测系统,该系统基于民航发动机的QAR数据,由于发动机正常运行数据容易获取．而故障样本难以获得．因而采用单类支持向量机（OCSVM）,仅依靠发动机的健康数据建立其分类器。利用OCSVM分类器．监控后续航班参数是否出现异常,通过分析检测结果,实现发动机故障检测。采用该系统监控航空发动机性能参数．及时发现发动机运行状态异常,证明了系统的可行性和有效性。     

一种较简单的低循环疲劳寿命预测法

 <正> 1。引言 局部应力应变法是目前预测结构裂纹起始寿命的一种行之有效的方法。根据局部应力应变法的原理,可以用计算的方法来预测构件裂纹起始寿命。在计算中,从载荷谱得到局部应变谱,可利用有限元法分析结构的局部应力应变响应。当然还可利用半经验公式(如Neuber法等)。在计算中若考虑材料的记忆特性和循环σ-ε曲线,这无疑对真实地反映受载构件的局部应力应变响应是有利的。但要做到这一点,用有限元分析所需的机时相当可观,因为它要对整个寿命期间的载荷历程进行分析计算,至少也要针对一个典型谱分析计算。 计算中材料的循环应力应变曲线一般可采用下式     

发动机混装叶片纠正计划的制定方法

发动机叶片的混装问题影响了航空维修管理的效率,在最低成本下以恰当的时间完成纠正是航空维修企业面临的问题,针对此问题提出在飞机维修计划中增加发动机叶片的纠正活动,首先利用递推方法和选择规则确定发动机的维修备选时间点;然后采用0-1规划对备选时间点进行筛选以达到最低纠正成本的目的:最后通过Lingo软件开发了模型求解程序,并以20台发动机三种叶片的混装问题为例进行说明。     

The primordial Helium-4 abundance determination: systematic effects

By extrapolating to O/H = N/H = 0 the empirical correlations Y–O/H and Y–N/H defined by a relatively large sample of 45 Blue Compact Dwarfs (BCDs), we have obtained a primordial ⁴Helium mass fraction Y _p=0.2443±0.0015 with dY/dZ=2.4±1.0. This result is in excellent agreement with the average Y _p=0.2452±0.0015 determined in the two most metal-deficient BCDs known, I Zw 18 (Z /50) and SBS 0335–052 (Z /41), where the correction for He production is smallest. The quoted error (1) of 1% is statistical and does not include systematic effects. We examine various systematic effects including collisional excitation of hydrogen lines, ionization structure and temperature fluctuation effects, and underlying stellar Hei absorption, and conclude that combining all systematic effects, our Y _p may be underestimated by 2–4%. Taken at face value, our Y _p implies a baryon-to-photon number ratio =(4.7^+1.0 _–0.8)×10^–10 and a baryon mass fraction _b h ² ₁₀₀=0.017±0.005 (2), consistent with the values obtained from deuterium and Cosmic Microwave Background measurements. Correcting Y _p upward by 2–4% would make the agreement even better.     

JSF战机动力装置研制新特点浅析

美国军方提出以现有发动机型号F119为基础来研制第四代轻型战机JSF,既降低了新机的技术风险,缩短型号研制周期,又可大幅度地节省项目研发资金和降低型号全寿命成本,这一思路值得关注或借鉴。通过对F-35战机基本型发动机F135和备用型F136发动机的最新发展动态分析,阐述了军用飞机动力装置类型从常规的涡喷/涡扇发动机向非常规的变循环发动机转变是一个必然发展趋势;而航空动力研制方法正从”传统设计”向更先进的”预测设计”过渡。     

Modeling M(3000)F2 based on extreme learning machine

This paper presents an novel extreme learning machine (ELM)-based prediction model for the ionospheric propagation factor M(3000)F2 at Darwin station (12.4°S, 131.5°E; −44.5°dip) in Australia. The proposed ELM model is trained with hourly daily values of M(3000)F2 from the period 1998–2014 except 2001 and 2009. The hourly daily values of 2001 (high solar activity) and 2009 (low solar activity) are used for validating the prediction accuracy. The proposed ELM for modeling M(3000)F2 can achieve faster training process and similar testing accuracy compared with backward propagation neural network (BPNN). In addition, the performance of the ELM is verified by comparing the predicted values of M(3000)F2 with observed values and the international reference ionosphere (IRI −2016) model predicted values. Based on the error differences (the root mean square error (RMSE) and the M(3000)F2 percentage improvement values M(3000)F2_IMP(%)), the result demonstrates the effectiveness of the ELM model compared with the IRI-2016 model at hourly, daily, monthly, and yearly in high (2001) and low (2009) solar activity years. The ELM also shows good agreement with observations compared with the IRI during disturbed magnetic activity.