推进我国企业债券利率市场化的措施

企业债券利率市场化是我国利率市场化改革的重要组成部分。目前,我国已经基本具备了企业债券利率市场化的条件,宏观经济环境稳定,微观经济主体日趋理性,国债和金融债券发行利率市场化也为下一步实现企业债券发行利率市场化提供了宝贵的经验。鉴于此,可以根据企业债券融资发展的不同阶段,采取相应措施加快我国企业债券利率市场化的步伐,主要包括:取消发债企业的所有制限制、培育企业债券流通市场、逐步取消发债规模限制、放宽发行利率的浮动幅度、健全企业债券风险监管制度、规范企业债券信用评级。     

一种紧固孔细节原始疲劳质量评定方法

 给出了一种由等幅载荷试验的断口金相数据反推得到的当量初始裂纹尺寸额定值（EIFSR）表征的紧固孔原始疲劳质量评定方法。并据此建立了原始疲劳质量符合性检查的EIF-SR判据和寿命判据。最后用上述判据对紧固孔细节进行了原始疲劳质量评定和符合性检查。     

试飞员能力模型研究

在飞行器研制和人类飞行探索中,试飞员的能力至关重要。针对以往对试飞员能力的评价基本停留在"客观、正确、诚信、能力以及尊重他人"等主观、感性层面,分析了试飞员在飞行器研制试验与鉴定中的作用和任务,给出了试飞员能力模型和"百分制"对试飞员的计划、飞行、评价、报告和建议等基本能力的量化分配。将试飞员能力显性化,有利于试飞员能力的客观评价。     

基于人工神经网络的预腐蚀铝合金疲劳性能预测

 通过对BP神经网络算法分析和收敛性改进,从获得的预腐蚀和疲劳试验数据中通过训练建立了LY1 2CZ铝合金腐蚀性能和疲劳特性与预腐蚀温度和时间的映射模型,从而可预测铝合金在一定预腐蚀环境谱下的最大腐蚀深度和疲劳特性。神经网络算法采用 BP算法 ,网络结构采用2-4-2形式。结果表明 ,神经网络用于预腐蚀铝合金的腐蚀状况和疲劳性能预测是可行的     

如何加强军用软件的质量管理

军用软件在武器装备系统中的地位已经越来越重要,但我国军用软件的质量管理起步较晚,因此很有必要研究如何加强军用软件的质量管理.本文在阐述软件生命周期的基础上,从开展军用软件研制单位的软件能力评价、加强软件配置管理和加强第三方独立测试三个方面探讨了如何加强军用软件的质量管理.     

腐蚀条件下基于Gerber模型的DFR推导及实测

为了研究等寿命曲线模型的选取对细节疲劳额定值计算结果的影响,针对六种典型航空材料对比了Gerber模型和Goodman模型对于高周疲劳数据的拟合精度;推导基于Gerber模型的DFR计算公式、腐蚀折算系数CC的表达式;针对2024-T3铝合金(表面阳极化)进行了预腐蚀0 h、6 h、12 h、24 h、36 h和72 h的疲劳实验并分析预腐蚀72 h的疲劳断口。结果表明:Gerber模型适用于LY12CZ等铝合金,并且在N_95/95>10~5次时,基于Gerber模型的DFR法才能发挥延性材料的潜能;随着预腐蚀时间增长,2024-T3铝合金DFR值下降,基于Gerber模型计算的DFR分别为84.251 MPa、84.721 MPa、79.683 MPa、80.745 MPa、77.026 MPa和74.996 MPa,腐蚀折算系数CC为1.006、0.946、0.958、0.914、0.890,拟合得到DFR随预腐蚀时长的变化曲线是DFR=84.251[lg(t+10)]^-0.15578;断口分析发现预腐蚀产生的蚀坑和材料中的夹杂物会加速疲劳裂纹的形成和扩展,导致结构的疲劳性能降低,但与裸材相比,阳极化过的试件的DFR在腐蚀环境中下降趋势减缓。     

双列角接触球轴承的免疫算法优化设计

建立了双列角接触球轴承结构优化的数学模型,用免疫优化算法,分别以额定动载荷、额定静载荷和两者的加权和为目标函数进行轴承结构的优化设计.设计变量包括每列的钢球数、钢球直径、内滚道沟曲率半径系数、外滚道沟曲率半径系数和轴承节圆直径.并对比分析了遗传算法与免疫算法的优化结果.免疫算法可以有效实现优化设计,与轴承手册标准值相比,优化后的3210和3218轴承的额定动载荷和额定静载荷都提高了60%以上.      

基于Gerber模型的DFR法与结构细节效应

在实际工程应用中,基于Goodman模型估算结构细节疲劳额定强度(DFR)的方法偏于保守,不够经济.本工作推导基于Gerber模型的DFR值D(应力比R=0.06)的计算公式,引入细节效应系数以考虑多细节对置信度系数和D估算结果的影响;与已有结果的比较发现:基于Gerber模型的D的估算方法能够较大程度地发挥材料的潜能,降低研发成本.利用构件细节额定值系数法,通过单个细节结构的D估算了含多个细节的结构的D.估算结果与试验结果的比较验证了基于Gerber模型的DFR法的准确性和适用性.     

标准压力源自校准方法探讨

当前以压力传感器为一次仪表组成的标准压力源,用软件实现自校准既可提高校准效率,又能提高仪器的性价比.对标准压力源的软件自校准方法进行了探讨.     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。