多源异质大数据线性模型的分布式统计推断

本文考虑多源异质大数据下线性模型的分布式统计推断问题.首先,提出针对模型参数的通信有效的分布式聚合估计及算法,并在一些正则条件下证明所得到的估计量的最优性和渐近正态性.其次,针对模型中的异质性检验问题,给出了分布式检验方法.最后,通过数值模拟研究,对本文所提出估计和检验方法的优良性进行验证.     

基于机器学习的压气机叶型优化设计

现代压气机性能需求日趋严苛,叶型优化工作至关重要。近年来遗传算法在叶型优化设计中得到诸多应用,但是传统遗传算法耗时过大,为解决这一问题本文提出了一种应用主成分分析与人工神经网络的流场重构方法,以及基于该方法的快速评估叶型性能的遗传算法优化流程。数值结果表明,基于该优化流程的寻优结果预测静压比与CFD计算值的误差低于0.1%,能够有效对叶型性能进行预测;并且该寻优结果与原始叶型相比静压比提升14.7%,效果可观。     

矿石拉曼光谱模型拟合分类方法

拉曼光谱因具有简单、快速及无损等特点,非常适合矿石的分类与鉴别。拉曼光谱模型拟合分类方法无需构建参考光谱库且避免了复杂的逐项光谱匹配,具有明显的优势。然而,已有的基于机器学习及深度学习的矿石拉曼光谱分类研究所采用的学习模型比较单一,缺乏具有参考意义的综合比较。对基于机器学习及深度学习的矿石拉曼光谱模型拟合分类方法进行综合评估验证,对比了KNN, XGBoost, SVM, RF四种传统机器学习方法和CNN, DNN, RNN三种深度学习模型在RRUFF矿物拉曼光谱数据集上的分类效果,验证了4种数据预处理方法和样本量对模型分类效果的影响。为提升机器学习模型的分类性能,本文还提出了一种拉曼光谱强度曲率的数据预处理方法,对经基线矫正后的拉曼光谱序列强度计算曲率作为构造特征,使模型更有效的提取出拉曼光谱的特征峰位置。实验结论：数据预处理对提升机器学习模型的分类性能效果明显,而对深度学习模型不敏感;样本量为影响模型分类效果的关键因素,当样本量较大时,深度学习模型的分类效果优于传统的机器学习模型;对于微小样本,深度学习模型难以发挥其优势,而辅以预处理的机器学习具有更优的分类性能。     

热力学数据对1, 3-丁二烯燃烧特性的影响

基于G4方法, 计算了1,^{3-丁二烯框架燃烧反应机理中102个物种的热力学数据, 并考察了振动非谐性、 频率校正因子以及受阻内转动对结果的影响. 结果表明, 考虑振动非谐性或采用不同的频率校正因子, 对热力学数据的影响不大; 考虑内转动后, 对热力学数据有较大影响. 而且考虑内转动后, 得到的热力学数据与实验热力学数据吻合得更好. 用所得热力学数据模拟了1,3-丁二烯的绝热燃烧温度以及点火延迟时间, 结果显示, 要得到可靠的绝热火焰温度, 对小分子(如CO和CO₂等)的热力学数据需要采用实验结果. 将用所得热力学数据模拟得到的点火延迟时间, 与机理本身的热力学数据所得点火延迟时间进行对比, 二者差别显著, 表明所得热力学数据主要通过改变一些反应的逆反应速率常数来影响点火延迟时间. 进一步确定了用所得热力学数据对点火延迟时间有显著影响的一些物种.}     

圆平板挤压膜实验及其参数识别

完成了简谐激励下水中平行圆板的挤压膜振动实验．用最小二乘法识别出非线性粘性挤压膜力模型中的４个系数．不同挤压膜厚、不同频率和不同振幅情况的数值模拟结果与实验值吻合较好．研究结果表明，所用模型可较好地描述粘性挤压膜运动，识别出的系数在一定范围内给出良好精度的数值模拟．     

应用数字图像相关方法测量含缺陷试样的全场变形

利用数字图像相关方法测量表面带孔洞、裂纹、缺口等缺陷试样的全场变形是许多实际测量任务中经常遇到的问题。就此问题，本文阐述了一种先对要避免计算的缺陷区域进行标记，在随后进行的相关计算中直接避免这些标记区域的方法。在已计算得到全场位移的情况下，文中提出了基于局部位移场最小二乘拟合的方法来计算区域边界、孔洞、裂纹或缺口附近等区域应变。最后对单侧边带半圆缺口试样的单向疲劳拉伸实验的计算结果充分显示本文方法的有效性和可靠性。     

基于H∞滤波的变权多通道数据融合方法研究

在对多通道定位数据进行数据融合中，采用H∞滤波可有效地解决各传感器数据误差模型不确定的滤波和状态估计问题。但由于数据采样时刻及精度的不一致性，对于多通道数据的融合应采用变权融合方式，以提高融合后数据的可靠性。该由此给出了一种基于H∞滤波的变权数据融合计算方法，通过对实测实时数据的仿真计算表明，其方法具有很好的实用性。     

添加剂与RDX的界面作用及对撞击感度的影响研究

研究了石蜡、硬脂酸等添加剂与RDX的界面作用及其对撞击感度的影响。得出添加剂对RDX(Hexogen)的铺展系数越大,钝感效果越好的结论,并获得了铺展系数与特性落高的经验函数关系。     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.     

基于反应谱值分析的爆破震动破坏评估研究

采用反应谱方法研究了爆破震动信号的振动速度和频率特征,提出了采用反应谱曲线积分值来评估爆破震动破坏效应。通过对289组爆破地震波数据的统计表明,在反应谱曲线的积分值小于5时,爆破地震动不会对所研究的普通民房结构物产生震动破坏效应。