基于机器学习的单孔绝热气膜冷却效率分布预测研究

为了研究利用机器学习技术对绝热冷却效率进行直接预测的方法及特点,搭建了基于上采样卷积神经网络的机器学习模型,生成了用于训练以及验证的数值模拟数据集,使用了监督式学习的方法对模型进行了训练.训练使用反向传播算法和基于随机梯度下降的Adam优化算法,输入模型的参数包括吹风比、主流湍流强度、喷射角、孔形状、孔尺寸,模型输出为...     

微硅加速度传感器的动态特性补偿方法研究

提出了一种用以扩展加速度传感器使用频率范围的动态特性补偿方法,其基本原理是根据加速度传感器的输入输出传递函数,构造出一个基于硬件的补偿网络,这个补偿网络的传递函数的零极点分别与加速度传感器的传递函数的极零点相抵消,从而使由加速度传感器输出的信号经过补偿环节后其动态特性得到补偿,扩展了加速度传感器的使用频带,同时并不要求加速度传感器处于临界阻尼状态。     

海上多平台传感器管理与控制的设计与实现

以实现对海上多平台传感器资源进行自动或半自动的协调管理控制为目标,设计了传感器管理与控制系统的功能结构,对组成系统的传感器信息管理、传感器组织管理、收发通信管理、传感器控制管理和传感器综合效能分析等功能模块进行了描述,采用基于效能函数的多传感器管理算法实现了传感器的任务规划与资源分配,并采用"集中管理,分散控制"的方式进行海上多平台传感器的管理与控制。     

神经网络在下颌运动轨迹图测量中的应用

介绍了采用小型磁石测量下颌运动轨迹图Electrognathography(EGN)的方法。给出利用磁偶极子模型代替小磁石模型的理论及实际依据。利用神经网络解决由磁石产生的磁感应强度推定其空间参数的反演问题 ,并且采用了分割网络及修正网络的方法来提高磁石运动测量的推定准确度。     

A steady-state model for the D- to F-region of the polar cap

For obvious reasons the ionosphere of the polar cap, surrounded by the auroral zone, is only poorly investigated. Even ionosonde data are very scant from geomagnetic latitudes beyond 70°. Since 1997 the European incoherent scatter radar facility EISCAT has an additional installation on Svalbard and has been providing electron density data nearly continuously ever since. These measurements which mainly cover the E- and F-regions are supplemented by rocket data from Heiss Island at a comparable magnetic latitude; these data are more sporadic, but cover lower altitudes and densities. A provisional, steady-state, neural network-based model is presented which uses the data of both sites.     

航空发动机润滑系统通用分析软件开发

发展了一种全新的航空发动机润滑系统通用分析软件.采用流动换热的网络算法, 将发动机润滑系统分解成由相应的典型元件和节点组成的网络, 用有限的元件和流动介质类型就可描述通用的发动机润滑系统.元件分为简单元件和组合元件, 并和润滑系统结构一一对应, 方便了元件的初始化.软件前台采用图形建模方式生成计算网络, 后台采用了网络自动识别技术, 方便了复杂网络的建立.可视化界面及支撑数据库, 提高了软件的易用性.      

FY-2C星后端应用系统设计与业务运行调度管理

介绍了风云二号(FY-2)C气象卫星地面应用系统中计算机网络及存储系统(CNAS)的总体设计目标、功能与组成,CNAS实时业务软件系统(CROSS)在系统中的调度和管理功能,以及在轨运行情况.从顶层设计的角度分别给出了网络系统、计算机系统和存储系统的总体框架,描述C星数据采集、传输、处理、存档和检索服务实时业务系统的功能与实现方法.分析了系统采用的软件工程化与公共服务、在线与存档文件规范、前置与收工处理、质量控制、设计与实现技术,以及部署方案与技术路线等关键技术及其特点.     

A new global version of M(3000)F2 prediction model based on artificial neural networks

A new version of global empirical model for the ionospheric propagation factor, M(3000)F2 prediction is presented. Artificial neural network (ANN) technique was employed by considering the relevant geophysical input parameters which are known to influence the M(3000)F2 parameter. This new version is an update to the previous neural network based M(3000)F2 global model developed by Oyeyemi et al. (2007), and aims to address the inadequacy of the International Reference Ionosphere (IRI) M(3000)F2 model (the International Radio Consultative Committee (CCIR) M(3000)F2 model). The M(3000)F2 has been found to be relatively inaccurate in representing the diurnal structure of the low latitude region and the equatorial ionosphere. In particular, the existing hmF2 IRI model is unable to reproduce the sharp post-sunset drop in M(3000)F2 values, which correspond to a sharp post-sunset peak in the peak height of the F2 layer, hmF2. Data from 80 ionospheric stations globally, including a good number of stations in the low latitude region were considered for this work. M(3000)F2 hourly values from 1987 to 2008, spanning all periods of low and high solar activity were used for model development and verification process. The ability of the new model to predict the M(3000)F2 parameter especially in the low latitude and equatorial regions, which is known to be problematic for the existing IRI model is demonstrated.     

基于径向基函数神经网络的自由曲面重构

根据径向基函数神经网络（RBFNN）具有很强的非线性逼近能力的优点，本文采用RBF网络模型进行自由曲面重构，建立了适应于曲面重构的径向基函数网络模型，讨论了基函数对重构曲面连续性的影响，并与多自由曲面重构，建立了适应于曲面重构的径向基函数风络模型，讨论了基函数对重构曲面连续性的影响，并与多层感知器神经网络的性能进行对比。理论分析和仿真实验结果表明：常用的几种径向基函数重构的曲面都具有很好的连续性，径向基函数网络用于曲面重构，不论是在拟合精度，还是网络的训练速度都明显优于多层感知器网络，具有一定的实用价值。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。