选择工程材料的一种定量化方法

本文简述了选择工程材料时应考虑的部分因素,论述了材料在某些载荷作用下其机械性能与成本之间的关系,从而给出了可以定量化比较和计算的选择工程材料的方法。     

保证安全前提下如何降低成本

航材供应市场上原设备制造厂商 （ＯＥＭ），如通用电气ＧＥ和普惠Ｐ＆Ｗ发动机公司经常与获得更换代用零部件制造批准（ＰＭＡ）的中小厂商就航材的安全可靠性与价格合理性爆发剧烈的争论。ＯＥＭ当然很不高兴看到日益增多的ＰＭＡ件，认为市场上出现的基本上都是些廉价劣质的“复制品”，不可能与ＯＥＭ工厂生产线上制造的原配零部件在质量与功能上完全“等同（条例批准的术语－Ｉｄｅｎｔｉｃａｌｌｙ）”，报怨ＰＭＡ件的泛滥将带来安全隐患，因为很多ＰＭＡ厂商不掌握ＯＥＭ完整的设计工艺资料，即使能做到在形状、配合和功能上相似或…     

现代企业制度下标准成本控制新论

对现代企业制度原有标准成本控制系统进行分析,指出其存在的问题,提出了新的标准成本控制系统,说明其原理、内容和过程。     

形成先进的质量观

质量已经成为全球经济竞争致胜的关键,随着我国社会主义市场经济体制的建立,急需提高国民的质量意识,形成先进的质量现。本文论述了全面质量的新观念,给出了无形质量成本的度量方法。追求质量是连续的过程,是永无止境的学习和改进。     

航空公司服务遭遇与服务补救

当今世界，服务质量已 成为民航企业竞争的新战场，成 为知识经济条件下抢占市场“制高点” 的战略前沿和竞争利器。在航空公司中加强 服务管理，创建精品服务，改进服务质量，提 高竞争能力和经济效益，已经到了刻不容缓的地 步，意义十分重大。 但与此同时，由于在服务领域中缺乏专利保护，服务产品模仿速度极快，单凭服务项目的多寡，航空公司很难从根本上提高服务质量、获得差别化的竞 争优势。相比之下，在服务过程中全方位提高服务 质量，具有更为重要的意义。因此，注重服务过 程，研究服务遭遇，强调服务补救是我国航空 公司以卓越的服务质量迎接服务经济挑战 的必然要求，也是航空公司在新世纪 迅速脱困、重塑自我的首要战 略选择。     

JSF制造技术综述

美国先进联合攻击战斗机 (JSF)项目在充分提高飞机性能的基础上 ,利用先进制造技术 ,最大限度地节约了成本。本文介绍了数字化技术、精益生产、高速加工技术、先进复合材料技术及质量保证技术在JSF制造中的应用     

基于长短期记忆神经网络的太阳耀斑短期预报

提出了一个基于长短期记忆神经网络的耀斑预报模型,利用过去24 h太阳活动区的磁场变化时序构建样本,通过长短期记忆神经网络对磁场特征时序演化进行分析,预报未来48 h内是否发生≥M级别耀斑事件。使用的数据集为2010年5月到2017年5月所有活动区样本,选取了SDO/HMI SHARP的10个磁场特征参量。在建模过程中通过XGBoost方法选取权重、增益率和覆盖率均较高的6个特征参量作为输入参数。通过测试对比,模型的虚报率和准确率与传统机器学习模型相近,报准率和临界成功指数分别为0.7483和0.7402,优于传统机器学习模型。模型总体效果优于传统机器学习模型。      

基于集成学习的太阳质子事件短期预报方法

太阳质子事件是一种由太阳活动爆发时喷射并传播到近地空间的高能粒子引起的空间天气现象。这些高能粒子会对航天器和宇航员产生严重危害,对太阳质子事件进行准确的短期预报是航天活动灾害预防的重要内容。针对当前主要预报模型中普遍存在的高虚报率问题,提出了一种基于集成学习的太阳质子事件短期预报方法,利用第23个太阳活动周数据,建立了一种集成8种机器学习模型的太阳质子事件短期预报系统。实验结果表明,本文方法在取得了80.95%的报准率的同时,将虚报率降低至19.05%,相比现有的预报系统具有较为明显的优势。      

基于情感对象识别和情感规则的微博倾向性分析

微博平台数据中含有大量反映用户情感喜恶的信息,对于涉及博文倾向性分析的应用尤为重要。现有的分析方法往往聚焦在博文情感的简单分类上,无法分析特定类型实体的微博倾向性。为解决微博倾向性分析问题,实现博文立场判定,采用半监督学习的方法,通过协同训练和主动学习,训练实体识别模型,并构建基于主成分分析的情感规则,提取句子的主成分,将口语化的文本规范化为指定格式。再利用指向性实体的正负面性、情感词的褒贬义及情感词充当的句子成分,实现情感分类的更深层次分析——立场判定。针对实际问题进行立场判定实验,在不同规模数据集上的自对比实验和他比实验显示,随着标注实体的博文数量增加,模型对博文立场判断的正确率持续提升,而且所提方法判断博文立场的正确率显著高于对比方法,相较已有研究方法分别提高了2.79%和10.00%。      

基于优化CenterNet的低空无人机检测方法

为实现对“低慢小”无人机(UAV)的有效探测, 提升检测精度和定位质量, 提出一种基于联合注意力和CenterNet的低空无人机检测方法。针对通用目标检测算法小目标漏检率高的问题, 引入解耦的非局部算子, 捕捉光学图像目标区域的关联性。利用无人机群个体间的相似性, 将离散的无人机特征相互关联, 降低漏检率。为获得更加精准的检测框, 对CenterNet的标签编码策略和边界框回归方式进行优化, 引入定位质量损失, 提升检测框定位质量。实验结果表明:优化后的S-CenterNet算法相比原始CenterNet算法平均准确率提升了8.9%, 检测框定位质量有明显改善。