“田口式质量损失函数”的应用

利用质量损失函数，讨论产品质量波动给社会带来的损失，并将其应用于企业生产中，使企业改进了产品质量，提高了效益。这说明，在质量管理中，解决“质量”问题时，必须把改进质量的焦点移向产品的设计和开发阶段，即从以往的“产品出厂后的检查或加工过程中的控制”的质量观，推向“产品设计阶段的优化”，从“下游管理”转向“上游管理”，使产品设计或加工过程设计成为保证产品质量优化的关键。     

弹道靶中超高速发射弹的流场及空气动力特性研究(英)

本文描述的是研究爆炸成型发射弹（ＥＦＰ）模型的流场及超高速空气动力特性所用的弹道试验设备;简要报导了记录全尺寸干涉图形的技术;对径向密度分布再现的方法进行了讨论;在零攻角实验时不同模型的空气动力阻力是采用简化方法来计算的;对各种不同ＥＦＰ型式的气动稳定性提出了定性估计的方法;并阐述了用于组合体超高速飞行特性研究的数值计算技术的基本原理     

圆环压缩的刚塑性有限元分析与应用

本文采用刚塑性有限元法分析圆环压缩,并与上限法分析和试验结果进行比较。结果表明,采用这种方法可以计算标定曲线,计算各种润滑剂的摩擦因素和压缩状态下材料的应力应变曲线,模拟圆环的变形和摩擦面的正压力分布。 本文还通过试验,求得四种高温润滑的摩擦因素和Ti-6Al-4V在不同条件下的应力应变曲线。     

大规模电路拓扑分析的Coates图分解法

针对大规模电路的拓扑分析问题,本文提出了Coates图的相关k-连接组的概念,得到了网络函数的相关k-连接组拓扑公式,从理论上研究了通过对Costes图的分层分解、逐层组合获得所需的相关k-连接组,从而对大规模电路进行拓扑分析的新方法。     

纹影干涉图的图像处理方法研究

本文利用计算机存贮量大、运算能力强的特点研究了一种分析纹影干涉图,计算密度场的图像算法。这套算法包括使用低通滤波技术消除干涉图背景中的高频噪声,使用 Hilditch 算法细化宽度多于一个像素的干涉条纹,使用模式识别方法提取干涉条纹的位移量,最后应用数值积分技术求解密度场的空间分布。这里研究的图像处理方法提高了纹影干涉图定量分析的精度、加快了实验结果的处理速度,给出了直观可靠的数值结果,是一种实用有效的图像算法。     

有限接地板对圆形微带天线辐射特性的影响

本文探讨有限接地板及其边缘劈形状对圆形微带天线辐射特性的影响。文中用接地板边缘绕射场与微带天线直接辐射场相对相位合成的方法改善圆形微带天线前向辐射特性的计算精度和计算其后向辐射方向图。微带天线直接辐射场用磁壁围成的腔体模型进行计算;边缘绕射场的计算,在E面采用一致几何绕射理论(UTD),在H面,由于边缘一阶绕射场为0,本文引入斜率绕射计算前向辐射方向图,用等效流法计算E在整个接地板边缘产生的绕射对H面后向辐射方向图的贡献。算例表明,本文的计算结果与可资比较的实测曲线吻合一致,而文[1]E面前向辐射方向图的计算结果与实测曲线比较,最大误差高达5dB,证明本文方法提高了计算精度。本文给出了具有不同尺寸、形状和不同边缘劈角的接地板的圆形微带天线的辐射特性,得出了利用改变有限接地板的几何特性参数来控制微带天线辐射方向图的途径。     

基于GMF方法的捕风一号风速反演分析

全球尺度高时空分辨率海面风场探测是当前全球气象研究及预报预测领域的关注热点之一,传统海面风场探测技术存在测量区域有限,且受天气环境限制明显等问题.基于全球导航卫星系统-反射(GNSS-R)测量技术风速反演原理,以捕风一号1级数据产品为输入,欧洲中期天气预报中心再分析风速数据为参考风速,采用地球物理模型函数(GMF)方法...     

基于分布式反集群算法的无人水面艇区域覆盖方法

海上无人系统覆盖问题可广泛应用于搜索营救、区域侦察观测、信息采集等任务,针对无人水面艇对海面区域进行区域覆盖的问题,采用模仿独居动物社会行为的分布式反集群算法,使得无人水面艇系统能够通过自组织行为实现良好的动态覆盖性能,因此使其具有更高的可扩展性及环境适应性。首先建立个体的包含覆盖历史的信息图,其次进行反集群算法的避障、去中心化及自私这3个基本属性的数学公式描述,然后计算每个个体在每一时刻的最大化收益方向,使得每个个体能够最大化累计覆盖面积及最小化个体之间的重叠覆盖部分。仿真结果表明,基于覆盖历史及个体局部通信交互,能够实现避障功能,并且可以达到100%的覆盖率,同时可尽量减少重叠覆盖。     

基于变分推理的网络舆情传播模式分类

随着网络社交媒体的快速发展,对舆情信息的传播模式进行分析成为研究热点。针对网络舆情传播模式分类任务中,小样本数据多路径生成分类正确率低的问题,提出了舆情传播领域知识图谱结构定义,建立了基于微博数据的舆情传播知识图谱与舆情传播分析任务数据集,使用GraphDIVA模型进行舆情传播模式分类,并在自建数据集中进行了舆情传播模式分类25样本测试实验。结果表明:模型在经过20轮训练后,分类正确率从76%提升到89.4%,说明GraphDIVA模型在减少训练次数、提升分类正确率方面具有更优的效果。