基于Deform软件二次开发和BP神经网络的TA15多向锻造微观组织预报

通过热压缩实验构建了TA15合金的热变形真应力-应变曲线,以此为基础分别建立了合金双相区及单相区温度区间的热变形本构方程;基于热压缩试样动态再结晶的统计数据建立了TA15合金的动态再结晶模型。借助Deform提供的二次开发功能实现相关数学模型的程序化,制定正交实验方案,实现了TA15合金多向锻造变形的微观组织仿真。通过正交实验分析得出各项因子的影响对象及强弱差异,提出了双相区及单相区温度区间内的多向锻造最佳因子组合。建立了TA15合金多向锻造变形微观组织的BP （Back Propagation）神经网络预测模型,将预测结果与有限元仿真结果进行比较,结果表明两种方法的预测结果基本一致,但神经网络具备有限元仿真难以实现的良好细节预测能力,能更为细致地实现对微观组织分布状态的划分。     

民用飞机维修类技术出版物符合性验证方法

通过分析民用飞机维修类技术出版物内容的特点,确定技术出版物适航验证要求。提出维修类技术出版物符合性验证方法、流程和管理要求。利用模糊综合评判方法进行定量评估,解决了民用飞机适航认证维修类技术出版物符合性验证无据可依的问题。     

《洛神赋》对宋玉“情赋”中美人意象的承继

《文选》中情类赋有4篇,即宋玉的《高唐赋》、《神女赋》、《登徒子好色赋》和曹植的《洛神赋》。论文从四个方面分析从宋玉到曹植写美人的发展：在语言和写作手法上对高唐神女的继承和发展;行文结构上对高唐神女的继承发展;塑造美人形象方面对宋玉的继承和发展;美人的象征意义对宋玉写美人的继承和发展。     

基于模型的系统工程方法在载人航天任务中的应用探讨

针对基于文档的航天任务设计中设计数据分散、一致性差、跟踪难度大等问题,引入了基于模型的系统工程(MBSE)方法。首先,介绍了MBSE方法理念,即通过构建图形化的模型来支持系统的需求捕获、设计、分析、验证和确认等全生命周期活动。然后,给出了MBSE方法的一般工作流程,即先构建系统的需求模型,用于指导功能模型、物理架构模型等的构建,按照事先制定好的逻辑规则建立模型间的关系,依靠模型间的关系实现设计过程中的关联性分析、参数查询等工作。最后,应用MBSE方法于载人飞船交会对接任务中。结果表明,此方法改善了人员沟通,提高了设计效率,降低了设计风险,可为MBSE方法在航天任务设计中的进一步应用提供参考。     

扩展的基于角色的访问控制模型

提出了一种扩展的基于角色的访问控制RBAC(Role Based Access Control)模型--RTBAC (Role & Task Based Access Control)模型.该模型在RBAC96模型之上引入了任务和任务实例的概念,形式化地定义了任务和任务实例的层次结构,界定了传统会话同任务实例之间的关系以及任务实例同权限之间的关系,并且提供了几种辅助函数.该模型可以更为自然地描述业务流程和访问控制策略,更适合分布式协作应用,特别是工作流和组合服务.基于该模型定义了一种新的动态职责分离约束--基于任务的动态职责分离约束,并且同传统动态职责分离约束进行了比较.该约束可以更准确地刻画访问控制相关的系统运行时上下文的范围,从而提高运行时访问控制的效率.     

基于SPF/DB工艺的某翼类构件内部结构优化分析

采用SPF/DB工艺成形的翼类构件,内部结构不仅影响其力学性能,同时决定SPF/DB工艺的可行性。翼类构件在应用SPF/DB工艺成形过程中,内部夹层扩散焊接焊缝处形成筋条,从而增强结构强度,因此中间夹层扩散焊接筋条分布决定了成形后构件内部结构。本文利用有限元软件ABAQUS6.8对不同内部结构的某翼类构件进行静力学分析及超塑成形的数值模拟,得到既满足强度要求又有利于SPF/DB工艺要求的内部结构。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

利用神经元拓展正则极端学习机预测时间序列

为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点.