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。     

TG酶与单宁酸对鱼明胶凝胶强度的影响

明胶是胶原蛋白适度水解生成的多肽分子聚合物,在食品、医药等领域具有广泛的应用。采用单宁酸和谷氨酰胺转胺酶（TG酶）对鱼明胶进行改性,探讨它们对鱼明胶凝胶强度的影响。分别从明胶浓度、氧化型和非氧化型的单宁酸添加、TG酶处理条件等方面进行优化,通过测定鱼明胶的凝胶强度变化,获得两种改性方式的最优组合。结果显示,在6%明胶浓度下,添加1 U·g-1TG酶和0.2%（V/V）的（2%m/V）氧化型单宁酸母液,鱼明胶的凝胶强度高达946.2 g。单宁酸和TG酶能协同作用,进而提升鱼明胶的凝胶强度。这一研究将有助于减少单位明胶用量,降低鱼明胶使用成本,拓展其应用范围。     

一个R2上含双曲函数核的Hilbert型不等式

通过引入参数，构造了一个全平面上的、含双曲函数的非齐次核函数。利用正切函数的有理分式展开，建立了最佳常数因子与正切函数高阶导数相关联的Hilbert型积分不等式。 作为应用，通过赋予参数不同的值，建立了一些有意义的特殊结果。     

多元统计分析中一类矩阵迹函数最小化问题的有效算法

研究来源于多元统计分析中的一类矩阵迹函数最小化问题$\min c+ tr(AX)+\sum\limits_{j=1}^{m}tr(B_j X C_jX^{T}),\ \ {\rm s. t.} \ X^TX=I_p,$其中$c$为常数, $A\in R^{p\times n}\ (n\geq p)$, $B_j\in R^{n\times n}, C_j\in R^{p\times p}$为给定系数矩阵. 数值实验表明已有的Majorization算法虽可行, 但收敛速度缓慢且精度不高. 本文从黎曼流形的角度重新研究该问题, 基于Stiefel流形的几何性质, 构造一类黎曼非单调共轭梯度迭代求解算法, 并给出算法收敛性分析.数值实验和数值比较验证所提出的算法对于问题模型是高效可行的.     

发动机机油滤清器虑层强度分析及优化

针对机油滤清器工作工况下进出口压差、机油滤层强度及导流桩高度等问题, 通过试验测试与仿真相结合, 对滤清器初步设计进行了评估及优化, 以确保滤清器在工作工况下进出口压降及滤层强度能满足要求. 首先进行滤层性能试验, 得到滤层的惯性阻力系数和黏性阻力系数; 再通过滤层多孔介质CFD分析, 对滤清器进出口压降进行分析计算. 结果表明: 在-18℃、25℃和70℃的工况下, 进出口压降都小于10kPa, 满足相关要求. 针对滤层的最大主应力超过其抗拉强度的问题, 通过CAE仿真分析, 优化滤层与导流桩间隙, 将滤层最大主应力由110.1MPa降至36.99MPa, 小于其抗拉强度42.8MPa.     

关于负超几何分布期望与方差算法的注记

研究了非还原取样模型中负超几何随机变量的联合分布,得到了若干有用的推论.据此给出了负超几何分布的期望和方差的一种分解算法.     

广义Fermat型微分与微差分方程整函数解的存在性与形式

利用Nevanlinna值分布理论,主要讨论了几类广义Fermat型微分与微差分方程有限级超越整函数解,得到了二阶微分、微差分方程整函数解的存在性条件以及解的具体形式,所获定理推广了之前的结果,并举例说明了结果的精确性。     

氧化铝/氮化硅双层膜晶硅钝化的开尔文探针力显微镜研究

对晶体硅(c-Si)太阳能电池而言, 氧化铝(AlOx)是一种广泛使用的钝化材料, 因为它具有优异的沉积保形性和良好的钝化质量. 为了确保AlOx发挥其良好的钝化效果, 在沉积后退火并氢化处理是必不可少的. 通过在AlOx薄膜上沉积氢化氮化硅(SiNx:H)来实现氢化, 利用开尔文探针力显微镜研究了在不同热处理和氢化作用下, AlOx/SiNx:H双层薄膜功函数的变化, 并基于沉积薄膜所含氢与固定电荷展开了讨论. 发现钝化质量和功函数之间有相关性, 影响因素包括薄膜厚度、氢化与热处理顺序.     

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。