惯组小系统动力学建模与非线性特性分析

基于"三心重合"的设计思想和飞行器的姿态需求,建立了含立方项非线性刚度的惯组小系统动力学模型。提出了惯组小系统存在系统动刚度和减振器动刚度的"双层级"概念。利用龙格-库塔法求解渐软非线性系统对正弦扫频激励的响应,得出减振器动刚度存在对激励幅值和激励频率的敏感区域,采用动刚度曲线表征了减振器的非线性软化特性。利用虚弧长延拓法计算惯组小系统的非线性频响函数和传递特性,预示了高量级振动下减振器的动力失稳现象。通过惯组小系统传递特性试验,验证了减振器具有渐软刚度的非线性特性。扫频法计算结果与正弦扫频试验结果的吻合度达到96.5%,检验了构建模型的正确性。所建立的模型工程应用简便,对惯组小系统非线性特性的预示具有较高的精度,可供飞行器姿控系统设计时参考。     

基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

分数阶热弹理论下重力场对二维纤维增强介质的影响

基于Sherief等提出的分数阶广义热弹性耦合理论，研究了在热冲击作用下二维纤维增强弹性体的热弹性问题.考虑了重力对二维纤维增强线性热弹性各向同性介质的影响，建立了控制方程.运用正则模态法，经过数值计算，对控制方程进行求解，得到了不同分数阶参数和不同重力场下无量纲温度、位移和应力分量的表达式，以图形的方式展示了变量的分布规律并对结果展开了讨论.研究结果为:重力场和分数阶参数对纤维增强介质的位移及应力有着重要的影响，但对温度的影响有限.     

基于GA_XGBoost模型的大学生科研能力预测问题研究

科学评价大学生科研创新能力对我国科研水平的提高具有重要意义.采用机器学习模型来预测大学生科研能力可以起到良好的效果,提出一种GAXGBoost模型来实现对大学生的科研能力预测.此模型是以Xgboost算法为基础,然后充分利用遗传算法的全局搜索能力自动搜索Xgboost最优超参数,避免了人为经验调参不准确的缺陷,最后采用精英选择策略以此确保每一轮都是最佳的进化结果.通过分析表明,所采用的GAXGBoost模型在大学生科研能力预测的结果中具有很高的精度,将此模型与Logistic Regression、Random Forest、SVM等模型进行对比,GAXGBoost模型的预测精度最高.     

基于模糊神经元PID算法的注塑机注射速度控制算法研究

基于一款市场较为畅销的注塑机, 设计出一种能精确控制注射速度的模糊神经元PID控制器. 首先, 设计出具有自学能力的神经元PID控制器, 利用模糊算法对其进行优化; 其次, 在原有注射速度线性数学模型的基础上, 构建注塑机注射速度的非线性模型; 最后, 利用MATLAB在所建数学模型的基础上对模糊神经元PID控制器进行仿真实验. 实验结果表明, 所设计控制器具有响应迅速、无超调量、控制精度高、控制稳定等优点.     

金刚石衬底上GaN HEMT沟道温度建模:各向异性且非均匀热导率的影响

为了改善GaN HEMT的自热效应,集成高热导率的金刚石衬底有助于增强器件有源区的热量耗散。然而,化学气相淀积(CVD)生长的多晶金刚石(PCD)具有柱状晶粒结构,导致了各向异性的材料热导率,且其热导率值与生长厚度有关。为此,通过建模金刚石生长过程中晶粒尺寸的演变过程,计算了金刚石沿面内和截面方向的热导率。基于该PCD热导率模型,利用计入材料非线性热导率的GaN器件热阻解析模型,计算得到了GaN HEMT沟道温度的波动范围,并分析了其与器件结构(栅长、栅宽、栅间距、衬底厚度)和功耗的依赖关系。最后,通过与有限元(FEM)仿真结果对比,分区域提取了GaN HEMT器件中PCD衬底的有效热导率,分别为260~310 W/(m·K)和1 250~1 450 W/(m·K)。本文的计算为预测金刚石衬底上GaN HEMT器件的沟道温度提供了快速、有效的方法。     

基于不同策略的三角形区域Hotelling模型混沌动力学分析

建立三角形区域双寡头Hotelling博弈模型,研究了具有不同价格竞争策略的复杂动力学问题.当某些参数发生变化时,会打破系统的纳什均衡,出现分岔、混沌、吸引子和初始条件敏感依赖性等动力学行为,计算了其分形维数.结果表明,采用OYG控制方法,可实现良好的混沌控制效果,使市场回归稳定.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题，提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性，提出基于快速神经网络架构搜索（neural architecture search，NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法，在预设的搜索空间中搜索最优网络结构，进行图像水印的高效嵌入与鲁棒提取。首先，将子网络中线性连接的全卷积层设置为独立的神经单元结构，并参数化表示结构单元内节点的连接，预先设定结构单元内每个神经元操作的搜索空间；其次，在完成一个批次的数据集训练后，依据神经元操作中的被采样次数和平均损失函数值动态更新概率；最后，重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上，大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑，本文算法具有较高的时间性能和较好的实验效果，在隐藏图像时，对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验，对比发现，本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著；在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著，特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。     

基于Green-Naghdi模型与三相延迟模型的耦合热弹性波传播

研究了基于G-N模型与三项延迟模型的热弹性波的传播特征.在各种广义热弹性理论中,热位移概念的引入使得G-N模型具有独特性质而引起广泛的关注和应用.基于G-N模型,最近一个三相延迟模型被提出.主要研究了这两种模型下第一和第二声波(耦合热弹性波)的色散和衰减特性,分析了温度场和位移场在两种模型下的振幅比和相位差.结果发现三相延迟模型更为通用和灵活,应得到更多的关注与应用.