校园网环境下高校MIS建设中的若干非技术因素

高校管理信息系统 (MIS)是一个基于Intranet的人 -机系统 ,其中非技术因素对MIS的影响至关重要。目前 ,对高校MIS的认识大多为重技术 ,轻管理 ;重开发 ,轻维护 ;重计算机 ,轻人员 ,针对上述原因 ,开展对高校MIS建设中的若干非技术因素进行探讨 ,提出了在高校MIS建设中的管理重组问题和人的问题等     

大上翘机身后体设计方法

 在具有大上翘角的运输机机身后体设计中,目前国际上多以上翘角、长细比、收缩比和扁平度4种主要几何参数作为机身后体的设计原则。以国际上3种典型运输机为研究原型,构造了3种大上翘后体机身模型,采用计算流体力学(CFD)方法,研究了3种机身的阻力与绕流特性,综合分析了上翘角、长细比、收缩比和扁平度4种几何参数对机身阻力和绕流特性的影响及其描述大上翘后体形状对阻力特性影响的适用性。研究结果表明：仅占总阻力15％～20％的压差阻力决定机身的阻力特性,机身减阻应从减小压差阻力入手;后体截面形状是影响压差阻力的关键因素,而扁平度不能准确完整地描述后体截面形状对压差阻力的影响,采用近圆度及其沿机身轴线的变化描述后体截面形状的影响更为合理。提出了应以上翘角、长细比、收缩比、近圆度和近圆度沿机身轴线的变化率5种参数为主作为大上翘机身后体设计原则。     

体现主客方校准法的塔式垂准仪校准装置

介绍了基于顶杆原理的主客方校准法;叙述了以三轴重合为功能设计重点、以天顶天底和屋顶地面照准标融为一体为主线、可见光与激光校准项目有机结合的实现主客方校准法的校准装置设计思路与构建原则。最后,给出了装置复现的准铅垂线的准确度分析。     

二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

基于代理模型的气动外形平面参数多目标匹配设计

将Kriging代理模型和Pareto遗传算法引入气动外形平面参数匹配设计中,提出一种基于代理模型的多目标平面参数匹配设计方法。将拉丁超立方试验设计用于平面参数筛选,确定出参数匹配方案库;基于方案库的计算流体力学(CFD)分析结果构建Kriging气动代理模型;将Kriging模型替代CFD分析,用于气体布局参数匹配优化设计,提高了设计效率并保证了可信度;通过Pareto遗传算法优化解决多点设计要求下气动布局参数匹配问题,一次性给出参数匹配方案的最优解集,从Pareto前沿中根据设计偏向选择气动布局最佳匹配方案。以典型的双后掠布局平面参数多点匹配优化设计问题作为算例,研究结果表明:Kriging气动代理模型与实际CFD分析结果的误差均小于5%,满足精度要求;根据不同设计偏向,选择了3种参数匹配Pareto优化方案,与原样本方案相比超声速阻力减小6.0%~12.8%,跨声速升阻比增加0.01%~3.40%,证明了匹配设计方法的有效性;通过试验设计的Pareto分析与主、交互效应分析,获得了气动布局平面参数对气动性能影响的定量关系,能够为参数匹配设计提供依据。所提出的平面参数匹配设计方法可应用于其他常规与非常规气动布局型式。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

地形冲突回避控制原理的研究

地形冲突是指飞行器与地面之间的相对位置发生矛盾,可能导致可控飞行撞地事故(CFIT)发生的潜在危险现象。在飞机飞行过程中,飞行员瞬间丧失知觉是飞行员自身因素导致飞行事故的一个重要问题,这个问题困扰着所有飞高性能战斗机的空军及其飞行员人员。丧失空间方向感又是一个更为严重的问题,它影响着空军和民航的飞行员人员。为了防止由于自身因素引起的飞行员和飞机的巨大损失,研究自动地形冲突回避系统是必要的。通过对地形冲突回避控制原理三种方案的研究分析表明:一种不需要飞行员涉入,一种需要飞行员涉入,即所谓人在回路之中,一种需要对外发射信号。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。