A novel virtual material layer model for predicting natural frequencies of composite bolted joints

A novel virtual material layer model based on the fractal theory was proposed to predict the natural frequencies of carbon fiber reinforced plastic composite bolted joints. Rough contact surfaces of composite bolted joints are modeled with this new proposed approach. Numerical and experimental modal analyses were conducted to validate the effectiveness of the proposed model. A good consistence is noted between the numerical and experimental results. To demonstrate the necessity of accurately modeling the rough contact surfaces in the prediction of natural frequencies, virtual material layer model was compared with the widely used traditional model based on the Master-Slave contact algorithm and experiments, respectively. Results show that the proposed model has a better agreement with experiments than the widely used traditional model (the prediction accuracy is raised by 8.77% when the pre-tightening torque is 0.5 N∙m). Real contact area ratio A* of three different virtual material layers were calculated. Value of A* were discussed with dimensionless load P*, fractal dimension D and fractal roughness G. This work provides a new efficient way for accurately modeling the rough contact surfaces and predicting the natural frequencies of composite bolted joints, which can be used to help engineers in the dynamic design of composite materials.     

关于网络伦理问题的研究与思考

人类进入21世纪,人们感受到了信息技术给人类的交往、学习、工作和生活带来极大便利,促进了人的全面发展和社会进步。但也出现了网络“道德真空”和“道德沦丧”,因此关于网络伦理问题的研究也就摆在了我们面前。     

加强大学生网络文化引导的思考

网络文化作为一种新型的文化形态,其内容、形式、特点等都对大学生产生了深刻影响,高校应从理解网络文化内涵、培养自律能力、普及网络技术知识、建设校园网络文化阵地等方面加强大学生网络文化的引导。     

面向在轨高效实时图像处理的二值权重沙漏网络加速器设计

为了实现在轨高速实时图像处理,提出了基于多级预测校准机制及查找表方法的二值权重沙漏网络加速器.首先,提出了一种计算架构来统一支持二值权重及多位宽权重卷积计算;其次,提出了多级预测模型来实现可变精度的高效卷积,基于这2种方法可以将网络的计算量降低77.4％,推理速度提升2.3倍.本文针对残差模块中跳转连接造成的存储访问问...     

基于人工神经网络的道路表面降雨水深预测

建立了基于人工神经网络的道路表面水膜厚度预测模型,通过试验数据的训练确定权重和阈值,经过检验样本的检验,能够很好地预测道路表面的水膜厚度。结果表明,本文建立的人工神经网络模型用于道路表面水膜厚度预估可行。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论,分析了网络流量,用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间,进而计算了实际网络的关维数和Lyapunov指数,并证实了网络流量存在混沌特性;据此建立了基于径向基函数（RBF）神经网络的模型,并对实际网络数据流进行了预测。仿真结果表明,相对于其他前馈神经网络预测,基于混沌理论的RBF神经网络预测方法学习速度快,预测精度高。     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。     

基于深度学习的发动机叶片故障检测技术

为了解决航空发动机叶片故障检测中存在的检测精度欠佳、检测效率不高的问题,提出了一种基于深度学习的目标检测方法。针对小样本数据集检测精度低、模型训练速度慢等问题,对Faster R-CNN目标检测算法进行结构优化,引入Res2Net结构,通过分割串联的策略强化残差模块的卷积学习能力,搭建了细粒级的多尺度残差模型Res2Net-50,以提升模型的特征提取能力。同时,在网络的训练过程中,采用多次余弦退火衰减法对学习率进行调整,以加快模型的训练速度,提升模型的训练质量。针对航空发动机叶片裂纹和缺损2种故障类型进行网络训练与检测试验,试验结果表明：优化后的模型识别准确率提高了0.7%,模型的平均检测精度提高了1.8%,训练时间缩短了5.56%,取得了比较好的检测效果。     

基于单代号网络的银行家算法

通过对银行家算法的分析,提出单代号网络的进程安全状态序列的改进算法-基于单代号网络的银行家算法,并通过具体的示例实现此算法。     

电子干扰对低可观测飞行器飞行路径规划的影响

为了提高巡航导弹的低空突防能力,在分析电子干扰对雷达网威胁区域的影响后认为:在多重干扰条件下,雷达探测空间会顺着干扰方向产生内凹和偏移,因此,建立了新的雷达探测空间模型.采用空间对象间拓扑关系推理方法建立了飞行器飞行路径规划目标函数中雷达威胁指数模型,然后改进了飞行器飞行路径规划模型,并在此基础上进行了巡航导弹飞行路径规划的软件仿真.仿真结果表明:考虑电子干扰对雷达威胁区域的影响情况下规划的飞行路径能够回避雷达威胁,有效提高飞行器低空突防能力.