非均匀来流下飞翼布局气动特性模拟方法研究

飞翼布局的非均匀来流会使得飞翼的流场不均匀,从而影响其气动性能。通过引入"网格速度"来计入非均匀来流的影响,求解非定常Navier-Stokes方程,实现了非均匀来流下飞翼布局气动特性的数值模拟。首先采用该方法对NACA0006翼型非均匀来流下的气动力响应进行了计算,计算结果与文献计算结果吻合良好。进一步对某飞翼布局飞机在非均匀来流下的气动力响应过程进行了数值模拟,得到了不同振荡速度比率下飞翼布局气动力系数随相位角变化曲线,结果表明,振荡速度比率越大,升力响应的幅值越大,非均匀来流对飞行器气动特性影响越明显。     

基于效应量服从偏正态分布的PM法

探讨Meta分析中异质性方差和偏倚的估计以及对合并效应量的影响。在Meta分析随机效应模型中,假设各研究的效应量服从偏正态分布的基础上,基于Q统计量及其一、二阶矩,得到PM估计方程组,采用搜索法求得方程组的解,即为异质性方差和偏倚系数的估计,由此进一步得到合并效应量的估计。在实例计算中,经典的DL法计算的合并OR值为1.370 6,而提出方法计算结果为1.365 3,计算结果十分相近。基于偏正态分布的PM法,不仅估计了异质性方差,而且估计了偏倚参数,即同时考虑了异质性和偏倚对合并效应量的影响,使Meta分析模型和方法更具一般性。     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

风电功率波动特性研究

采用概率分布拟合和基于遗传算法的BP神经网络的预测建模对风电功率波动特性进行定量分析。首先,针对风电功率实测数据建立了概率分布拟合模型并分析了拟合结果;其次,建立了基于不同时间间隔历史实测数据的BP神经网络预测模型,数据检验表明该模型对于峰值有很理想的预测精度且整体精度较高。     

地震损失风险的Copula混合分布模型及其应用

地震造成的损失主要包括直接经济损失和人员伤亡.本文以我国1950-2015年期间的地震灾害统计数据作为研究样本,建立了地震灾害造成的直接经济损失和死亡人数的Copula混合分布模型.在该模型中,用右截断的Gumble分布与广义帕累托分布构造的混合分布拟合对数直接经济损失,用两端截断的负二项分布与广义帕累托分布构造的混合分布拟合死亡人数,用Copula函数建立直接经济损失与死亡人数之间的相依关系,并通过蒙特卡罗模拟计算风险相依情况下地震灾害的风险度量值.与传统的地震灾害模型相比,本文提出的直接经济损失与死亡人数的Copula混合分布模型对巨灾数据的拟合更加合理,为我国建立地震巨灾保险制度提供了一种可供选择的精算模型.     

英文武器装备名的构成类型与构造模式研究

文章面向英文武器装备名的自动识别,构建了涵盖陆海空等多个军兵种武器装备名称的基础数据库,并通过人工标注方式,对英文武器装备名的构成类型与构造模式进行了较为全面的调查,总结出英文武器装备名的主要构成要素和模式。文章还利用武器装备名的测试数据集对提出的模式规则进行了实验测试,测试结果显示文章提出的模式具有较好的描写能力,能够以较高准确率识别出武器装备名称。文章的研究方法与成果不仅能够有效支持军事领域的信息处理和相关教学工作,同时也对其他语种的相关研究具有重要参考价值。     

NSD序列部分和乘积的渐近分布

设{X_n, n≥1}是同分布正的负超可加相依(NSD)序列, 利用NSD序列加权和的中心极限定理和大数定律, 在适当的条件下证明当n→∞时, 并讨论严平稳条件下的类似结论.     

基于平稳分布的随机恒化器动力学分析

基于平稳分布,研究了一类带有参数扰动的随机恒化器模型的空间动力学行为。首先,利用微分方程的基本理论,求出微生物种群平稳分布概率密度函数的完全表达式;然后,对于所得的平稳分布密度函数的形态进行分析,发现噪声在很大程度上将改变原有确定性恒化器模型的动力学行为,而且最大概率平衡点会随噪声强度的改变而改变,呈现出较为复杂的动力学行为;最后,通过一组文献中的实验数值进行模拟分析,所得结论与理论结果一致。研究恒化器模型的主要目的是研究其中微生物的生存分布,对这一问题进行深入的研究,可为相关从业工作者提供较为完善的理论依据。     

基于颜色分布特征的足球视频禁区检测

足球视频影响着人们的日常生活，人们对足球视频的关注更多地体现在对其中进球、射门等精彩事件上。而这些事件大都发生在左右禁区附近，显然左右禁区的准确检测在足球视频处理中起着关键的作用。本文在研究当前主流检测算法的基础上提出了一种基于颜色分布特征的足球视频禁区检测算法，该算法利用SVM对足球左右禁区颜色分布特征进行监督学习，进而检测出左右禁区。通过实验证明该方法高效并且可以达到较高精准度。