基于理想点-矢量投影法的创新需求权重确定方法

现有的创新需求权重计算方法大多只考虑顾客、技术人员和决策者三者中的一方或者两方对创新需求权重的影响,鲜有方法将三方同时纳入需求权重计算过程,这很容易造成因信息考虑不全面,造成需求权重的精确度不高或失准等问题。鉴于此,本文提出一种基于理想点-矢量投影法的创新需求权重确定方法,它将顾客、技术人员和决策者三方的诉求在三维矢量空间中进行集成。分别计算创新需求的需求类别因子、需求技术成熟度和需求偏好度,采用理想点-矢量投影法得到理想需求矢量,并在此基础上计算每项创新需求权重值。文章最后通过汽车方向盘的研发的案例,验证了所提方法的有效性和可行性。     

超音速等离子体炬的磁流体动力学数值研究

针对设计的喉径2mm、工作电流为100A的拉瓦尔喷嘴,在二维轴对称模型的基础上,对超音速等离子体炬中的流动及其外部射流进行了数值模拟。通过在阳极喷嘴内部采用基于磁矢量势的磁流体动力学模型,避免了对磁感应强度的复杂积分计算,得到了喷嘴内部多场耦合的结果及外部射流的流动状态,分析了喷嘴内部电磁场对等离子体的加速作用及射流发展过程。结果显示,等离子体经历了亚音速→跨音速→超音速的发展过程,最终获得2.3 Ma的超音速射流。研究结果为超音速等离子体炬的工业应用提供了理论基础。     

基于惯性辅助的低功耗GNSS接收机设计

为了降低GNSS/INS组合系统平台下的GNSS接收机功耗,提出了一种基于INS辅助的"间歇式"低功耗接收机方案,其中低功耗跟踪环路包括工作、休眠二个模式周期。在启动进入工作周期时,接收机根据惯性系统提供的初始状态估测直接进入跟踪环节,对参数进行校正估测并完成位置、速度解算。最后将更新后的位置、速度结果送入惯性系统中,通过组合滤波方式完成惯性系统的误差校正。实际静态、动态实验结果表明,在惯性系统辅助下,相比于传统接收机,间歇式工作模式接收机能在消耗20%左右功耗情况下,完成了与传统GNSS接收机等同的位置、速度计算服务。     

基于物理光学法的建筑物内高功率微波耦合场分布计算

利用物理光学法计算了高功率微波在建筑物内的耦合场分布。根据建筑物墙壁和窗户的透射率可以得到墙壁内侧的透射场，将它代入到矢量衍射公式中直接计算出在整个建筑物内的透射场；根据建筑物地面的反射率得到地板表面的反射场，将它代入到矢量衍射公式中可计算出整个建筑物内的反射场；对透射场与反射场进行矢量相加，得到叠加场。将本文方法得到的场分布情况和时域有限差分法得到的场分布进行比较，二者结果一致。物理光学法的优点在于其物理图像清晰，计算量小，计算速度快，适合应用在大型建筑物内部耦合场分布计算上。     

一种双星敏感器联合确定船体姿态方法

单星敏感器横滚测量精度偏低会影响航向测量精度,采用双星敏感器联合的方法可以有效提高船姿精度,其中关键是蒙气差修正和联合姿态确定方法。目前蒙气差修正一般采用基于恒星观测矢量的修正方法,联合姿态确定方式一般采用基于双视轴指向联合的方法。以上在蒙气差中需要引入初始船体姿态,而且修正迭代解算过程复杂,再者单星敏感器需要识别4颗以上恒星才能获得视轴指向,如果其中一个无法获得视轴指向,双星敏感器无法解算船体姿态。针对上述情况,提出了一种新的双星敏感器联合确定船体姿态的方法,包括基于恒星参考矢量的蒙气差修正方法和基于恒星观测矢量的联合姿态确定方法。基于该方法蒙气差修正不再需要初始船姿,而且在理论上只需双星敏感器各自至少有1颗可识别恒星,即可完成船体姿态角的解算。试验结果表明该方法降低了双星敏感器获取船体姿态角所需的可识别恒星数量限制,提高了双星敏感器获取船体姿态的能力。     

基于果蝇算法优化广义回归神经网络的矢量水听器的DOA估计

为了提高矢量水听器阵列对窄带信号的DOA估计精度,运用果蝇算法优化广义回归神经网络,通过对阵列协方差矩阵实值化,并提取信号子空间的基作为样本特征进行网络训练,构建了果蝇算法优化下的广义回归神经网络,实现了基于矢量水听器阵列的水下声源的DOA估计.仿真实验结果表明,方法泛化性能较好,能解决输入维数过大的问题,且运行时间短,DOA估计精度高,具有较强的工程应用价值.     

AEIV结合AHSI用于饱和脂肪酮类物质的13C NMR谱模拟

应用一种反映分子局部微环境描述子--原子电性相互作用矢量（vector of atomic electronegative interaction,AEIV）和原子杂化状态指数（Atomic Hybridation State Index, AHSI）对饱和脂肪酮类化合物的55种分子中的153个¹³C NMR谱建模模拟,应用多元线性回归方法得到定量结构波谱关系(QSSR)模型的复相关系数R_MM=0.997, 标准偏差为SD_MM=7.155. 采用留一法交互检验的结果是R_CV=0.993,SD_CV=10.195. 并随机抽出三部分分子进行检验,得到的相关系数分别是R_MM1=0.996,R_MM2=0.996,R_MM3=0.999. 研究结果表明使用AEIV和AHSI所建模型预测能力是相当稳定的.     

基于人工神经网络研究芳胺喹唑啉衍生物的抗胃癌活性

基于分子电性距离矢量(M_t)表征21个芳胺喹唑啉衍生物的分子结构,并与其对人胃癌细胞的抗癌活性(pI)关联。通过最佳变量子集回归方法建立上述化合物抗胃癌活性的三参数(M_(15)、M_(18)、M_(82))定量构效关系模型。其交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)依次为0.386和0.737。通过R、R_(cv)~2、V_(IF)等检验,模型具有较好的相关性、稳健性和预测能力。结果显示,-CH_2-、-CH、-O-、-S-和-NH-等分子结构单元直接影响这些化合物的抗胃癌活性。将M_(15)、M_(18)、M_(82)作为人工神经网络的输入层结点,采用3∶3∶1的网络结构,利用BP算法获得了令人满意的pI模型,其R~2和标准偏差S_D分别为0.992和0.080,表明pI与三参数呈现优异的非线性关系。