基于粗糙集理论的证券分析系统数据融合

将粗糙集理论应用于证券分析系统,探讨了相容状况下基于粗糙集理论的数据处理方法,并给出了系统结构和融合方法。该方法以局部决策作为条件属性,融合中心采用粗集理论方法对局部决策进行处理,包括知识表达、化简,最后给出决策规则。从结果来看,采用该方法不需要先验概率,也不需要隶属函数,同时还可以去除冗余的局部决策,使系统的配置最优化、提高了系统的运行速度。     

三维复杂外形横截面拓扑结构随迎角变化研究

通过数值求解抛物化的椭圆型方程生成复杂外形三维网格;采用交替方向隐式分解的隐式NND格式求解全N S方程模拟"类升力体"外形在高超声速下的大迎角流动;采用张涵信发展的流动拓扑结构理论分析给出了"类升力体"外形垂直于体轴的横截面流线随迎角变化的拓扑结构;此外,通过计算发现:大于20°迎角后,在部分横截面背风对称线上出现结构不稳定的鞍点相连现象。     

交会对接系统中分布式视觉信息的分离

本文应用三维计算机视觉、奇异值分解及序列图象处理,得到了交会对接系统中两飞行器间相对运动参数的计算公式,避免了文献[1、2]中存在的不足,仿真结果证明有效。     

“风云二号”卫星天线消旋失锁故障原因初步分析

文章针对"风云二号"C(FY-2C)卫星的天线消旋失锁事件,利用卫星数据统计分析了事件与高能电子之间的关系,并利用DICTAT软件针对常用于卫星的3种电介质材料——聚乙烯、聚四氟乙烯和环氧树脂的平板和圆柱模型分别计算其内部带电所能产生的最大电场。结果表明:FY-2C卫星的天线消旋失锁事件有可能是由高能电子导致的介质深层充电引起。     

部件试验模态综合的动柔度法

基于半试验半理论信息,提出一种简单有效的部件试验模态综合技术。试验上它只要求测量部件的低阶模态参数,而高阶模态的影响,由部件的一种动柔度来体现。这种动柔度几乎包含了高阶模态的全部静态贡献和全部动态贡献,因此精度很高。当然,有限元模型误差较大时,需要利用部件的测量模态参数对有限元模型进行必要的修正或重建。     

除冰气囊以及简化模型对气动特性影响研究

除冰气囊作为涡桨类飞机常用的除冰系统,评估其对全机气动特性的影响对飞行性能与安全有重要意义。基于某飞机上安装的气囊除冰系统,采用CFD 方法模拟其工作时的全机气动特性,研究气囊简化模型对计算结果的影响。结果表明：随气囊膨胀高度增加,对全机气动特性影响显著,失速迎角提前约10°,最大升力系数损失近60%,最大升阻比降低约2.9;受膨胀气囊外形影响,机翼前缘呈展向流动特征,后缘流动分离区域长度与除冰气囊的安装长度相当;机翼前缘压力分布受膨胀气囊外形的影响出现震荡,从而影响整个翼面的压力分布;随简化气囊膨胀高度增加,失速迎角最大提前约1°,最大升力系数损失约21%,最大升阻比降低约2.2。     

一类基于四面体组合单元的模块化构架式可展开天线机构

针对现有基于四面体单元的构架式天线机构结构复杂、收拢率低、运动副数量多等问题,基于3RR-3RRR四面体组合单元和基于3RR-3URU四面体对称组合单元分别提出了两种新型模块化可展结构。以3个组合单元组成的模块化结构为分析对象,首先,详细介绍了模块化结构的组成及虎克铰轴线布置,并利用组合单元本身的自由度数目及性质,采用拆杆-等效-复原的思想,应用螺旋理论和G-K公式分别对提出的两种模块化结构进行了自由度分析,得到了自由度数目及性质。其次,应用Adams动力学仿真软件对两种模块化结构进行运动仿真,仿真结果验证了自由度分析的正确性。以完全展开和完全收拢时机构所占的空间体积比值表征该机构的收拢率,计算现有基于四面体单元的非模块化机构与提出的模块化机构的收拢率。最后,对比分析非模块化机构与模块化机构的自由度数目、运动副数目及收拢率。分析结果表明,基于3RR-3URU四面体对称组合单元的模块化结构既能实现较大收拢率,自由度及运动副数目也相对减少,且组成大型天线时杆件类型较少。研究结果为该类模块化构架式可展天线结构的设计与分析提供一定理论依据。     

磁场全张量测量计算方法与误差分析

矢量磁场和磁场全张量数据是多磁源反演的数据基础。针对矢量磁场和磁场全张量的测量问题,文章提出了矩阵式矢量磁场连续扫描方法。对利用矢量磁场计算磁场全张量所用的数据结构进行了研究,应用MATLAB软件对常用的十字形和六面体两种不同数据计算结构进行了仿真分析,结果表明,两种计算结构的误差相近且均不大于10%;并分析了基线距离对磁场全张量计算的影响,结果表明,磁场全张量计算误差随着基线距离的增加而增加。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.