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。     

外弹道节省参数的抗差估计

基于天基和地基测量的融合估计是高精度外弹道参数估计的发展趋势。然而在这些测量数据中,普遍存在粗差和模型偏差,直接影响参数的估计精度。针对此问题,本文结合双星定位系统、地面光学和雷达的联合测量,建立了基于抗差估计方法的外弹道节省参数估计模型,给出了算法流程和步骤。仿真表明,该算法确实能有效降低粗差和模型偏差对估计精度的影响,相比传统的节省参数估计方法,该算法确实有效。     

两邻边铰支两邻边固支von-Karman矩形板的研究

本文运用双重Ｆｏｕｒｉｅｒ级数分析了受横向均布载荷作用下两邻边铰支两邻边固支矩形板的非线性弯曲问题。利用该级数正交性,可以把非线性偏微分控制方程化为含级数系数的非线性代数方程组并通过迭代解出所有系数。最后给出了位移和应力的计算结果。     

IMM-PF算法在机场场面移动目标跟踪中的应用研究

为了提高机场场面监视的可靠性以及监视数据的连续性,本文采用匀速运动(Constant Velocity,CV)、匀加速运动(Constant Acceleration,CA)和匀速转弯运动(Constant Turning,CT)三种运动模型,将交互式多模式算法(Interacting Multiple Model,IMM)与粒子滤波算法(Particle Filter,PF)相融合,充分发挥两种算法的优点,并结合机场地图信息分别对观测信息和估计输出结果进行修正,进一步提高机场场面移动目标跟踪的精度。仿真实验结果表明,本文提出的IMM-PF改进算法在机场场面移动目标跟踪的应用中具有更大的可行性和优越性。     

对称层合圆柱正交异性中心开孔扁球壳的非线性屈曲

在非线性屈曲理论基础上，考虑对称线布载体荷作用形式，导得相应控制方程，以分析中心开孔，即外边缘固定，以及内边级悬空的复合材料扁球壳非线性屈曲稳定性问题。为了求解本文的非线性屈曲问题，获得临界载荷计算公式，本文采用修正迭代法，即第一次迭代将非线性项略去，第干净人迭代将第一次迭代结果作为已知量代入非一项来获得临界载荷的解析计算公式，最后，本文以实例分析讨论了横向剪切变形、开孔大小、线布载荷位置的几何参     

关于多项式系数二阶线性微分方程的可积性问题

主要探讨了实域上当ｇ（ｘ），ｈ（ｘ）是多基式，二阶变系数线性微分方程ｙ″＋ｇ（ｘ）ｙ‘＋ｈ（ｘ）ｙ＝０的可积性问题，沿袭了文」１「中算子矩阵理论的思想，得到了该方程要积的充分必要条件，且给出可积时的通解公式，并举例指出了文中「５，６」中收集的许多可积的二阶线性微分方程，其中相应的多项式系数的部分均是本文的特例。     

平方阻尼在非线性缓冲系统中的作用

本文讨论平方阻尼(以参数a表征)在图(1)所示的缓冲系统中的作用,结果表明:平方阻尼对于降低相对位移峰值d_m总有良好的效果,但不一定降低加速度峰值a_m。在一定速度冲击V下,系统的平方阻尼有两种最佳值,使a_m最小的a_(am)和使缓冲效率γ最高的a_(cm),而平方阻尼最佳条件依赖于系统的缓冲弹簧的刚度变化类型: (1)线性弹簧情况:a_(am)=a_(cm),最佳条件为系统在首程中均匀减速; (2)渐硬弹簧情况:a_(am)=a_(cm),最佳条件为系统在首程中初始和终末加速度相等即; aV~2=ω_0~2q(dm) (3)渐软弹簧情况:a_(cm)>a_(am)。 本文的基础是所谓“首程显峰”,假定即系统在速度冲击V下的响应峰值d_m和a_m出现在第一行程中。当平方阻尼值不太小,缓冲弹簧刚度特性接近反对称时,该假定成立。     

基于多GPU的大型线性和非线性方程组的求解(英文)

在处理工程问题时,常常需要对线性或非线性方程组进行求解。对于实际应用中经常遇到的大型方程组进行求解则需要相当长的时间。使用图形处理器(GPU)代替传统的CPU,将多块GPU通过操作系统进行协调,并将PBi-CGstab方法和Inexact Newton方法进行适合多GPU并行的改造以此作为多GPU求解器的核心算法,加速求解大型线性和非线性方程组。本文的多GPU求解器在成倍扩展了单GPU求解器允许的计算规模的同时取得了令人满意的加速比。     

求解一维非线性守恒律的一类MmB差分格式

本文构造了一维非线性双曲型守恒方程的一类ＭｍＢ差分格式,并推广到方程组情形。数值计算结果表明,格式具有高分辨率且不会产生数值为振荡。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二