Hill区域内基于推广的Poincar映射的低能逃逸/捕捉轨道(英文)

给出了Hill区域内基于推广的Poincar映射的低能逃逸轨道的计算。文中的推广的Poincar映射需要在相空间中选取两个(而非一个)与流相截的面,即将包含某个天平动点的截面通过轨道来映射到近拱点的通道面上的,在数值上通过总变差减小的Runge-Kutta方法来实现两个相面之间的映射。捕捉轨道则可由Hill三体模型的对称性直接导出。最后,关于Rhea的二维、三维的逃逸和捕捉轨道的仿真结果验证了该方法的精度和鲁棒性。     

基于扩维并行性实现的并行正交变换算法

为提高正交算法的运算速度,提出了一种将N点的一维正交变换分解成N0×N1点的二维正交变换(N=N0N1)和运算量较少的附加运算的并行扩维正交变换算法.在定义正交变换算法扩维并行性的基础上,讨论了离散傅里叶变换(DFT)、Hadamard变换和Hartley变换等算法的实现及性能.在TMS320C80多处理机平台上不同算法实现的试验结果表明:算法可有效减少数据的相关性、降低编程的复杂性,消除了处理单元片内内存容量的限制,适于以数字信号处理器(DSP)为处理单元的多处理机平台的并行实现.     

观察宇宙现象

很久以前,我们的祖先是通过肉眼观察遥远星星的方位变化来认知宇宙,世界上最早用科学和数学解释自然的是古希腊人,他们曾用星体的映射关系,测量出地球的尺寸是如此惊人地准确。     

幂等自映射的Nielsen数(4)

本文利用粘接等方法证明了一类拓朴空间上的幂等自映射的Ｎｉｅｌｓｅｎ数不超过１。     

二维定常亚音速无旋气流绕物体的流动

本文采用小扰动法给出了定常亚音速无旋气流绕物体流动的解析解,同时也给出了一个将单位圆域保角映射成一个任意封闭翼型的简单计算公式。此外还导出了压强系数的新的近似表达式。在流过鼓包的流动问题上,它与由Kaplan提出的精确解析结果相比,二者极为符合。     

基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

非线性主轴降维映射法在固体火箭发动机设计优化中的应用

为在二维或三维空间中表达固体火箭发动机高维设计空间,引入非线性主轴降维映射法对多维非线性设计优化问题进行降维处理。以某大型固体火箭发动机设计问题为例,将10变量4有效约束优化问题降维映射到二维空间进行研究,拟合的非线性主轴降维映射模型中,目标函数和约束函数的相对误差控制在1.5%以内。研究表明,非线性主轴降维映射法具有发现多变量非线性优化数学模型本征特性的特点,能对设计变量重要性排序;通过降维展示设计空间全景,为优化算法和优化初始点优选提供了直观、有力的工具;优化轨迹实时展示为优化算法性质研究及算法切换提供了依据;根据优化轨迹从优化结果在降维空间中的位置能够判断优化结果是否具有全局最优解特性。     

陶瓷基复合材料力学性能计算及涡轮导叶宏观响应分析方法

针对涡轮导叶宏观热力学响应,将化学气相沉积工艺2D编织SiCf /SiC陶瓷基复合材料完成拉伸试验并将该试件进行分 割,对分割后的试样进行断面电镜扫描,测量统计细观编织结构参数,建立考虑缺陷位置和形状的代表性体积单元模型。采用细 观有限元方法,应用该模型计算得到SiCf /SiC陶瓷基复合材料的宏观弹性常数。结果表明：面内拉伸模量预测值比试验值低 4.4%,剪切模量预测值比试验值高7.8%。结合陶瓷基复合材料涡轮导叶的加工工艺,建立了材料分布映射模型,对导叶典型特征 结构件在给定热载荷下的宏观响应进行预测。结果表明：涡轮导叶典型结构加热段尾缘第1主应变预测值比试验值低5.5%。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。