一种MWENO格式的构造和应用

在结构网格上提出了一种新的在混合模板集上守恒量插值的非线性权系数计算方法,构造了一种多重加权实质无波动激波捕捉格式,即所谓的MWENO(Multi-Weighted Essentially Non-Oscillatory)格式.与DWENO(Double Weighted Essentially Non-Oscillatory)格式相比非线性权系数的计算不用人为调节.随后文中给出了几个典型算例.通过MWENO格式和WENO格式的计算结果比较,表明MWENO格式具有较高的间断分辨率.     

基于模型定义技术及其实施

MBD技术体系是以MBD数据集为核心的应用体系,借助标准管理系统、标准工艺管理系统、CAD系统、工艺设计和分析以及产品数据管理等系统,通过MBD数据集集成产品的设计制造信息,并建立了一套基于MBD数据集的工艺设计分析方法和数据管理办法,使工程制造能够在脱离图纸的环境下,按照设计系统给出的内容组织框架实现对产品生产和检验的监督控制。     

ATLAS模块与WCEM模块双向数据传递的方法

本文详细讲述了PAWS开发平台下,如何利用自动取数和手动取数方法获取ATLAS模块中的数据,如何把WCEM模块中的数据返回至ATLAS中显示,如何在两个模块之间传递数组,并在扩展词法库的基础上编写一个统一的传值函数方便快捷地满足程序要求。     

非线性硬涂层整体叶盘振动参数的多目标优化设计

为了优化应变依赖性硬涂层对整体叶盘的阻尼减振,对具有应变依赖性特征的硬涂层整体叶盘(非线性涂层整体叶盘)的涂层参数进行多目标优化设计.利用基于复合Mindlin板理论的能量有限元法和基于Newton-Raphson法的迭代计算技术分析了非线性涂层整体叶盘的振动特性;利用NSGA-Ⅲ算法求解了非线性涂层整体叶盘的涂层参数...     

装备文本语料数据标注规范化研究

梳理了文本智能技术用语料数据标注标准现状,分析了文本智能技术典型任务标注符号集在装备领域的适用性,并提出了装备领域文本智能技术用语料数据标注规范化方案,并从模型效果和业务粒度方面验证其有效性.结果表明,本标注规范化方案在装备领域取得较好效果,一定程度上解决了装备领域缺乏文本智能技术用语料标注规范的问题,有助于装备领域文...     

基于信息模型的测试性试验样本集充分性研究

建立了产品的故障模式信息模型,包括产品的故障模式、结构单元、功能和测试数据以及这些数据之间的映射关系.根据该信息模型,定义了三种故障模式等价集合,即故障模式单元等价集合、故障模式功能等价集合、故障模式测试等价集合.在这些等价集合的基础上,建立了测试性试验中样本集的三种典型充分性度量和准则,即单元覆盖充分性度量和准则、功能覆盖充分性度量和准则、测试覆盖充分性度量和准则.分析了典型充分性度量和准则的适用范围,并建立了综合充分性度量和准则.使用综合充分性度量可以评价样本集的充分程度,使用综合充分性准则可以确定样本集的构成要求.建立了综合充分性度量和准则的应用方法和流程.通过实例验证了该方法的可行性.     

有向网络中无环最小饱和流问题及其算法

假设网络的初始流为零流,以最大堵塞截面为准堵塞截面,找出从源点到汇点的包含准堵塞截面弧最多的有条件最长增广路对网络进行增流,直至网络达到饱和,并对该算法进行了复杂性分析。利用该算法对多个网络进行论证,结果表明利用有条件最长增广路算法计算出的最小饱和流值与仿真计算以及与双向增流算法计算得到的结果基本相同,增流次数大大减少,且求解的结果避免了在封闭环路中的流量流动,进一步优化了最小饱和流值。     

航天嵌入式软件数据访问冲突基准测试集研究

针对数据访问冲突问题的检测方法及工具的研究很多,但缺少对其进行评估的基准测试集。文章基于大量真实航天嵌入式软件中断数据访问冲突案例研究的结果,总结出影响数据访问冲突检测的6类要素,设计开发了嵌入式软件中断数据访问冲突基准测试集程序RaceBench,对SpaceDRC工具进行了指标评估。结果表明,RaceBench能够有效评估工具的适用性。     

基于卷积神经网络的疲劳驾驶识别

机组人员疲劳驾驶是引发航空事故的原因之一。现有的研究缺少将脸部信息融合的疲劳表情识别,对疲劳表情识别可有效提高疲劳驾驶识别准确率。根据卷积神经网络的基本结构,将卷积核大小为1×1的卷积层加在输入层之后,让网络深度增加、提高特征学习能力、增加输入数据的非线性表示,同时对计算量基本无负面影响,采用线性修正函数ReLU作为激励函数解决模型在训练中梯度消失问题,提出了一种改进的卷积神经网络模型。基于LFW数据集筛选出正常、说话、疲劳3种状态表情,对其进行预处理建立疲劳表情数据集。训练完成的CNN模型对自建疲劳表情数据集实验识别准确率为88.3%,平均识别时间为20ms,与传统疲劳驾驶识别方法相比具有准确率高和实时高效的优点。与未改进的卷积神经网络相比,识别准确率提高了5.02%。