振动机械的可靠性设计探讨

在机械振动理论的基础中,对振动机械的可靠性设计作了初步探讨,主要对振动机械的工作可靠性和频率比的关系作了详细的可靠性分析计算,算例表明这种探讨是有意义的.     

TTCN-3:用于分布式系统黑盒测试的新一代测试描述语言

介绍了TTCN 3的基本概念 ,对TTCN 3测试方法的配置、使用等作了较为详细的研究 ,并针对MTC与SUT间异步通信的情况 ,介绍了TTCN 3在系统测试中的应用     

不完全概率信息的螺旋管簧的可靠性优化设计

讨论了随机参数服从非正态分布螺旋管簧的可靠性优化设计问题.在基本随机参数的前四阶矩已知的情况下,应用随机摄动法和Edgeworth级数方法并通过计算机程序可以实现随机参数服从非正态分布的螺旋管簧可靠性优化设计,迅速准确地得到了螺旋管簧的可靠性优化设计信息.     

非紧超凸空间的Browder不动点定理及其应用

在非紧超凸度量空间中的非紧允许集上,改进并推广了Browder 不动点定理,讨论了Ky Fan极大极小不等式.在应用中,给出了2个新的非合作n-人对策的Nash平衡存在定理.     

天然沸石对铵吸附能力的生物再生试验研究

用浙江缙云的天然斜发沸石在实验室进行了吸附铵饱和沸石的生物再生静态试验,经过73d生物作用和离子交换作用,饱和沸石对铵的吸附能力恢复了61%～85％;在云南滇池流域进行了吸附大量铵的沸石的生物再生现场中试试验,经过4～6个月的自然生物再生过程,沸石对铵的吸附能力恢复了22%～36％。     

基于ADAMS.LifeMOD的人体头颈部动力学仿真与验证

基于多刚体动力学软件ADAMS和生物力学仿真软件LifeMOD,建立了一个人体头颈部三维多刚体动力学模型。该模型包括颅骨、颈椎骨、肩胛骨、躯干上段以及体现粘弹性性质的肌肉组织。采用美国海军力学实验室的前碰撞志愿者实验数据对模型进行了验证。验证结果表明,该模型具有很好的可信度,可以用来研究在碰撞条件下头颈部的动力学响应特性。     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于Bayes近似限法的串联系统置信区间的求解

运用基于Bayes的方法对红外空空导弹进行抗干扰性能评估时,只能分别得到导引头和导弹控制系统的抗干扰概率P<,g>、P<,c>及其置信区间,而难以求出导弹复杂系统的抗干扰概率在一定的置信度下的置信区间.针对该问题,提出用Bayes近似限的方法拟合导弹导引头、控制系统的整个串联系统的抗干扰概率的分布,得出该复杂系统的置信度为y的近似置信区间的求解公式,并给出导弹串联系统数字仿真中抗干扰概率的置信区间的求解实例,对该求解方法的正确性进行了验证.     

基于遗传算法的改进径向基支持向量机及其应用

通过对径向基核函数进行分析后发现:根据样本各个特征的识别能力赋予其不同大小的核参数,可以提高支持向量机的推广能力。此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。将该算法用于轴承故障诊断,实验结果表明,与传统支持向量机相比,多核参数径向基支持向量机具有更好的推广能力,同时,核参数的大小反映了对应特征识别能力的大小。     

Designing a Hybrid Intelligent Mining System for Credit Risk Evaluation

In this study, a novel hybrid intelligent mining system integrating rough sets theory and support vector machines is developed to extract efficiently association rules from original information table for credit risk evaluation and analysis. In the proposed hybrid intelligent system, support vector machines are used as a tool to extract typical features and filter its noise, which are different from the previous studies where rough sets were only used as a preprocessor for support vector machines. Such an approach could reduce the information table and generate the final knowledge from the reduced information table by rough sets. Therefore, the proposed hybrid intelligent system overcomes the difficulty of extracting rules from a trained support vector machine classifier and possesses the robustness which is lacking for rough-set-based approaches. In addition, the effectiveness of the proposed hybrid intelligent system is illustrated with two real-world credit datasets.