高转速部分进气涡轮盘气流力及叶片振动响应研究

针对部分进气涡轮盘所受气流力在周向分布的严重不均匀易造成动叶片疲劳破坏的问题，从部分进气气流力特征和叶片振动响应两个方面进行了研究。根据已有数值模拟和实验结果给出了部分进气模式下考虑Kick效应的叶片所受气流力的分布曲线，采用快速傅里叶变换方法(FFT)分析了气流力的频谱特征，研究了转速和进气度等因素对气流力的频域特性的影响；采用有限元方法对某火箭发动机部分进气涡轮盘进行了瞬态振动响应分析，对比气流力的频谱特征，研究了叶片振动响应的特性。结果表明：在部分进气模式下，高转速涡轮盘叶片所受气流激励可以视为脉冲激励，存在多阶谐波分量；高转速或小进气度都会使得气流力的高阶谐波分量的幅值较大，使得涡轮盘叶片发生高倍频的共振或幅值较大的强迫振动，区别于全周进气的涡轮盘只需避开前6倍频气流力可能引起的共振，部分进气时还需考虑更高倍频气流力的影响。     

2T2C铁电存储单元读写电路的单粒子翻转效应研究

针对2T2C铁电存储单元读写电路进行了单粒子翻转效应的仿真模拟,研究了单粒子入射读写电路的不同敏感节点对存储数据的影响,并分析了数据读写出错的内在机制.结果表明:单粒子入射存储阵列中的字线晶体管时,存储数据未发生翻转,这主要是因为铁电电容极化信息波动后又恢复至原状态;单粒子入射外围电路中的板线激发器和灵敏放大器时,存储数据发生了翻转,这主要是因为外围电路产生的单粒子瞬态脉冲造成数据读出出错,进而导致了回写数据翻转.     

边界监督多重集典型相关分析

多重集典型相关分析(multiset canonical correlation analysis,MCCA)仅仅考虑了多组数据间的相关性信息,不能有效地反映样本数据的几何结构与鉴别信息,因此为了解决这个问题,首先在LDA思想的启发下,构建了监督多重集典型相关分析(supervised multiset canonical correlation analysis,SMCC)的理论框架,并以此为基础,结合边界Fisher分析(marginal fisher analysis,MFA),提出了边界监督多重集典型相关分析(marginal SMCC,MSMCC).该算法的基本思想是在最大化数据相关性的同时,还要最大化组内数据的类间离散度以及最小化组内数据的类内离散度.在人脸图像与目标数据库上的实验结果验证了所提算法的有效性.     

选材引起测量金属丝杨氏模量的误差分析

杨氏模量的测量是大学物理中重要的力学实验之一。我们对不同直径、不同长度的钢丝进行了杨氏模量测定,分析了选材对实验结果的影响。研究结果表明,在仪器允许的测量范围内,直径越小、长度越长的材料,其杨氏模量的相对合成标准不确定度越小。     

局域网络病毒入侵方式特点和防范措施

计算机病毒一般先进入到有盘工作站,然后开始在局域网络传播,具有感染速度快、扩散面广、传播形式复杂多样、难以彻底清除、破坏性大、可激发性和潜在性的特点.应采取增加安全意识、小心邮件传播病毒、挑选网络杀毒软件、及其断开网络后定时查杀文件服务器病毒、强制查杀压缩文件病毒和慎用一键还原功能等措施,防范局域网络病毒传播.     

高举架立式圆筒型储液容器基础隔震数值分析

目的通过对高举架立式圆筒型储液容器基础隔震数值分析,探究高举架储罐基础隔震的可行性.方法依据ACI简化力学模型提出分散支承质量简化力学模型的方法,并通过在其底部植入隔震层,建立基础隔震简化力学模型并推导其运动控制方程,采用数值方法对比分析了不同条件下地震动响应.结果 ACI简化法与分散支承质量简化法计算结果相近,说明笔者提出的分散支承质量简化力学模型是可行的;基础隔震能有效控制高举架立式圆筒型储液容器地震动响应;隔震周期和隔震层阻尼比越大,基础隔震减震效率越高.结论建议基础隔震设计时需根据工程实际情况选择最佳隔震层参数.     

基于可靠性测度的多类支持向量机

多类分类问题是我们经常遇到的问题,常用的方法是将多类问题转化为若干个二类问题,然后利用二类支持向量机(support vector machine,SVM)进行分类,如一对余SVM,一对一SVM,决策树SVM等.在这些方法中,大都没有考虑所生成的多个分类器之间的可靠性和重要性问题.为了改进这一点,本文以一对余SVM为例,提出了两种基于可靠性测度的多类分类算法,算法的思想可用于一对一SVM,决策树SVM等其他多种分类器中.为了检验所提算法的有效性,本文进行了比较试验,实验结果表明所提算法不仅提高了分类准确度,而且具有更为广泛的推广能力.     

关于单位圆内亚纯系数线性微分方程解的微分多项式的值分布

研究了单位圆Δ={z∈C:z<1}内系数为亚纯函数的齐次和非齐次线性微分方程的亚纯解的增长性,同时精确估计了解的微分多项式取小函数值点的迭代收敛指数和迭代下收敛指数.