基于果蝇算法和灰色神经网络的电子装备故障预测方法研究

针对电子装备故障数据小样本、非线性的特点,在相空间重构处理原始时间序列数据的基础上,基于k折交叉验证和果蝇算法优化灰色神经网络模型参数,从而提出一种基于果蝇算法和灰色神经网络的故障预测方法,并以某型雷达高压电源监测数据仿真结果为例验证其模型性能;实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度方面都具有一定优势。     

基于故障注入的测试性验证试验样本量确定方法

试验样本量的确定是基于故障注入的测试性验证试验中的关键技术之一。样本量的确定是为了解决样本充分性要求与故障不能穷尽注入的限制条件之间的矛盾。目前确定试验样本量的方法包括最小样本量估计法以及按照不同的试验方案所确定的方法。通过对这些方法的优点、缺点以及使用条件进行对比,总结出了样本量确定方法的研究现状以及目前工程上进行基于故障注入的测试性验证试验时的普遍情况,并且从矛盾的两方面展望了进一步研究的发展。     

基于汽车与行人碰撞载荷特点的下肢长骨建模

基于THUMS(total human model for safety)下肢长骨有限元模型, 在材料和单元属性等方面进行了改进. 在详细分 析行人下肢长骨载荷特点的基础上, 采用多种不同载荷工况下较新的生物力学实 验数据, 对长骨模型进行了前-后和外-内加载 方向的准静态三点弯曲验证, 同时对近心端1/3处、中部和远心端1/3处加载的动态三点弯曲 验证. 验证结果表明, 该模型具有较好的生物逼真度, 能够准确地模拟行人下肢长骨的骨折 及碰撞响应, 可用于后续行人下肢模型的开发, 并为行人下肢损伤机理和安全防护研究提供 准确高效的研究手段.     

Validation of EMMS-based drag model using lattice Boltzmann simulations on GPUs

Interphase momentum transport in heterogeneous gas–solid systems with multi-scale structure is of great importance in process engineering. In this article, lattice Boltzmann simulations are performed on graphics processing units (GPUs), the computational power of which exceeds that of CPUs by more than one order of magnitude, to investigate incompressible Newtonian flow in idealized multi-scale particle–fluid systems. The structure consists of a periodic array of clusters, each constructed by a bundle of cylinders. Fixed pressure boundary condition is implemented by applying a constant body force to the flow through the medium. The bounce-back scheme is adopted on the fluid–solid interfaces, which ensures the no-slip boundary condition. The structure is studied under a wide range of particle diameters and packing fractions, and the drag coefficient of the structure is found to be a function of voidages and fractions of the clusters, besides the traditional Reynolds number and the solid volume fractions. Parameters reflecting multi-scale characters are, therefore, demonstrated to be necessary in quantifying the drag force of heterogeneous gas–solid system. The numerical results in the range 0.1 ≤ Re ≤ 10 and 0 < ? < 0.25 are compared with Wen and Yu's correlation, Gibilaro equation, EMMS-based drag model, the Beetstra correlation and the Benyahia correlation, and good agreement is found between the simulations and the EMMS-based drag model for heterogeneous systems.     

“城市让生活更美好”的验证及影响因素分析

上海世博会"城市让生活更美好"的主题具有丰富的内涵,城市居民的生活美好水平可通过与周边乡村居民的生活比较进行测量,其影响因素有富裕、和谐、美化、安全等。在设计生活美好指数评价指标和影响因素测量指标的基础上,构建指数测量和影响因素分析的二阶段模型,并以2007年中国31省市的地市级城市的截面数据为样本,采用改进的模糊积分和格兰杰检验方法进行实证分析,得出"城市让生活更美好"命题成立,而对城市美好生活具有重要有利影响的因素主要是城市和谐、城市美化、城市开放和城市进步的结论。     

基于离散单元法的发射装药挤压破碎模拟实验

为了揭示发射装药破碎引起的膛炸现象,急需进行相应装药结构下发射装药挤压破碎数值模拟研究。以硝胺花边十九孔发射药为研究对象,基于离散单元法建立了发射装药挤压破碎模拟系统,同时进行了发射装药动态挤压破碎实验,通过数值模拟与实验获得了不同冲击载荷下的破碎发射装药和挤压应力;分别对获得的破碎发射装药进行了密闭爆发器数值模拟和实验。结果表明:模拟与实验获得的发射装药挤压应力时间历程、密闭爆发器压力时间曲线和起始动态活度比的一致性较好,实验验证了发射装药挤压破碎模拟系统的有效性及合理性。该模拟系统具有重大工程应用价值,为高能发射装药冲击破碎过程和发射装药发射安全性研究奠定了基础。     

中国股市投资者情绪指数的函数型构建方法研究

针对中国股市投资者情绪的连续动态测度,基于离散数据的函数化建模思想,提出了函数型投资者情绪指数-FISI。以上证综指和深证成指为对比基准,定性分析了FISI波动与中国金融市场实际运行的匹配程度,并定量检验了FISI相较现有投资者情绪指数的相对优势。研究发现:应用拓展双参数广义交叉验证选取六个情绪指标的粗糙惩罚参数相差较大,说明独立地对每一情绪指标进行函数化处理的必要性;基于信息自适应迭代更新的六个函数型熵权都频繁波动,说明构建综合情绪指数时进行动态赋权的重要性。相较现有投资者情绪指数,FISI的核心优势在于:能够测度投资者在任意时刻的情绪水平,其波动特征能够有效体现市场实际运行的重要事件,并且其与沪深两市的相关程度相对更高。最后,结合大数据时代的数据特征,展望了函数型投资者情绪指数未来的研究方向。     

生成式对抗网络的土壤有机质高光谱估测模型

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力。为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型。选取湖南省长沙市及周边区域的水稻田为研究对象,采集土样和实测高光谱数据(350~2 500 nm),室内化学测定有机质含量。以高光谱数据和有机质含量为基础,利用生成式对抗网络生成等量新数据, 结合原始数据建模集组成增强建模集。在GAN正式训练中,每轮训练完成后,设置4个观测点(对应增强建模集中含50,100,150和239个生成样本),动态构建交叉验证岭回归(RCV)、偏最小二乘回归(PLSR)和BP神经网络(BPNN)土壤有机质含量估测模型(分别简称GAN-RCV,GAN-PLSR和GAN-BPNN),并在相同测试集上实施模型评估。实验结果表明：(1)原始数据建模集上拟合的估测模型中,交叉验证岭回归表现最佳,决定系数(R2)和均方根误差(RMSE)分别为0.831 1和0.189 6;(2)GAN的150轮正式训练中,增强建模集上动态构建的GAN-RCV,GAN-PLSR和GAN-BPNN模型性能显著提高,具体表现为：GAN-RCV的R2取得最大值0.890 9(RMSE 0.153 7)、最小值0.850 5 (RMSE 0.18)与平均值0.868 7(RMSE 0.168 6),最大R2比建模集上拟合的RCV提高了7.2%(RMSE降低了18.9%),GAN-PLSR获得R2最大值0.855 4(RMSE 0.176 9)、最小值0.727 0 (RMSE 0.243 2)与平均值0.780 1 (RMSE 0.217 7),最大R2比建模集上拟合的PLSR提高了20.6%(RMSE降低了29.5%),GAN-BPNN表现最佳,R2取得最大值0.905 2(RMSE 0.143 3)、最小值0.801 7(RMSE 0.207 3)与平均值0.868 1(RMSE 0.168 6),最大R2比建模集上拟合的BPNN提高了30.8%(RMSE降低了44.5%);(3)随着增强建模集中生成样本数量增加,模型精度提升效果呈先升后降趋势,4个观测点中第3个观测点的模型性能提升最显著。充分的实验表明：基于GAN动态构建的有机质含量估测模型显著改善了模型预测性能。依据测试集上的评估结果,可择优使用最佳模型进行后续土壤有机质含量估测。     

多媒体技术在实验教学中的作用

物理学是以观察、实验为基础的科学．无论是物理概念的建立、还是物理理论的提出与验证，都离不开实验．实验教学是物理教学的重要组成部分，它和理论教学相辅相成，实验是理论的基础，理论需要实验的验证．传统的教学结构、教学模式已不能满足现代教育的要求．实验教学要走在教学改革的前列，要大胆采用现代教育技术手段进行实验教学，把多媒体技术应用到实验教学中．多媒体技术应用于实验教学，有它得天独厚的优势．利用计算机作为终端，通过接口电路、传感器、幻灯机、     

楞次定律实验验证——磁炮

本给出了一种验证楞次定律实验现象的良好方法，可以明显观察到线圈中突然通以电流时产生的电磁冲击力。