基于残差NLSTM网络和注意力机制的航空发动机剩余使用寿命预测

针对长短期记忆（LSTM）网络对于多维数据特征识别和提取上存在不足的问题，在其改进模型嵌套式长短期记忆（NLSTM）网络的基础上，提出了一种基于注意力机制和残差NLSTM网络的剩余使用寿命预测方法。该方法将双层NLSTM网络代替残差块中的主网络，保留捷径连接中的卷积神经网络结构，既能充分提取时序特征又能保证有用数据在网络层中的跳层传递，并融入注意力机制构建多层残差网络，注意力机制的使用能够选择出对预测结果有重要影响的信息，有效提高预测的准确率。在航空发动机退化实验数据集上进行实验分析，结果表明：所述方法能有效建立监测数据与发动机健康状态之间的关系，剩余使用寿命预测误差较未改进残差结构方法平均降低10.8%，比未融入注意力机制方法平均降低18.9%，有效提高了预测精度。     

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

液体火箭发动机协同设计平台关键技术

针对液体火箭发动机协同设计工程实际需求,围绕研制数据高效流转与协同,面向产品全生命周期跨地域、跨专业特点,提出了协同设计平台框架。针对协同平台中的5项关键技术,给出了相应解决途径。基于PLM系统构建协同环境,建立统一编码,整合研制过程中的标准件、原材料等共性基础数据;通过基于MBD的三维结构设计,采用MBSE理念,以模型为载体升级发动机设计流程;采用线上IPT模式提升产品设计效率,同时实现全过程数据记录知识累积。采用BOM结构组织和展示不同设计阶段形成的数据;基于Hadoop平台分布式数据存储模式,实现结构化和非结构化数据综合管理。通过工程实践验证表明,构建的协同平台实现了基于数字化模型的设计工艺定制化协同,科研生产全过程的信息整合和多维度监控,促进了业务流程持续优化和研制效率不断提升,支撑发动机研制模式的转型升级。     

提高英语听力的几个问题

根据教学大纲的规定,结合笔者多年教学实践的经验,从语音、词汇量和知识面、预测能力、记忆力以及开展第二课堂活动等方面,深入探讨了提高大学生英语听力的有效途径。     

巧用弥尔曼定理

通过一些解题实例，分析学生在运用弥尔曼定理解题的过程中易出现的问题，进而给出熟用、巧用定理以避免出错的口诀。