采用通用膜厚方程的动压径向轴承形状优化

针对目前动压轴承形状优化的局限性,提出了一种不受现有形状约束的新方法.采用傅里叶级数形式的通用膜厚方程表征任意可能的轴承形状,以最大承载力为目标函数,通用膜厚方程级数系数为设计变量,以及最小油膜厚度为限制条件,建立了动压轴承形状的优化统一数学模型,并用遗传算法进行形状优化,将极值问题通过对可变项级数系数的参数优化逐次逼近.与传统的形状优化方法相比,优化后的轴承形状突破了现有轴承形状的制约,使轴承承载力得到了显著提高.     

新型径向柱塞泵液控伺服变量机构的研究

介绍了为径向柱塞泵配置的液控伺服变量机构的原理,并对其性能进行分析．这种变量机构不仅容易实现定子偏心位移反馈,而且可平衡泵在工作过程中定子所受单向力,从而提高了控制性能．仿真结果表明：此种液控伺服变量机构能使泵在变量过程中具有良好的动态性能．     

实验室EXAFS研究

采用ＥＸＡＦＳ方法研究了负载型Ｎｉ／ＳｉＯ２的区域结构和机械合金化方法扩展Ｆｅ－Ｃｕ金属固溶范围,并形成纳米尺寸的非平衡亚稳态合金。实验结果表明,利用实验室ＥＸＡＦＳ方法也可以开展较好的结构测量研究,但必须选用合适的靶材、工作电压电流、单色器晶体、狭缝、脉冲高度分析器基线和道宽等。在实验室ＥＸＡＦＳ测量中,分辨能力是获得正确结果的关键。     

黑洞吸积盘径向参量的演化

利用黑洞吸积盘演化的基本方程级,在纯吸积情况下,求得了薄、厚吸积盘及一般厚吸积盘的黑洞视界半径ｒＨ的演化方程。证实了中心黑洞与吸积相互影响的基本性质,并得到一些新的结果。黑洞视界半径ｒＨ演化并非完全单调,其演化特性与吸积盘的类型有关：对于薄盘,ｒＨ单调递增;对于临办厚盘,ｒＨ抚增后减;对于一般厚盘,ｒＨ先增后减再递增。还讨论了吸积盘内边缘与黑洞视界间隔的演化。     

基于径向基函数网络人脸识别的研究

用人脸信息来识别和辨认一个人类个体,是计算机视觉和模式识别领域中的一个研究热点。本文提出了一种基于径向基函数网络(RBFN)识别人脸的方法,使用主分量分析(PCA)技术降低样本维数,并用生成图像(SI)技术改变人脸的姿态,以增加学习样本数。用标准人脸库ORL进行实验,表明人脸识别效果有大幅度的提高。     

Kohonen自组织网络在混沌时间序列预测中的应用(Ⅱ)

继续探讨 Kohonen自组织神经网络在构造径向基函数预测模型时的应用 ,研究了该模型对含有噪声的混沌时间序列的预测问题以及与嵌入维数的关系 .     

基于属性聚类网络和径向基函数的融合预测

研究属性聚类网络在构造径向基函数预测模型时的应用,并提出了一种拟自组织算法来建立非线性融合预测模型,通过典型例子检验预测效果．     

具有三角模糊要素的非径向DEA模型

在原有的非径向DEA模型基础上进行模糊扩展,建立了输入输出为三角模糊数的非径向DEA模型,并根据模糊规划取α-截集的方法求解模型.在相对已有模糊DEA模型更加合理、更强区分能力的效率测算基础上,定义决策单元的α-水平模糊DEA有效性,从而完成了对决策单元的分类.然后在给定α-水平下对模糊决策单元进行了排序.最后给出了一个算例.     

自反馈RBF网络在高炉热状态模型预测中的应用

在RBF神经网络的输入上加入了自反馈的神经元,提出了自反馈RBF神经网络,使网络对过去时态的数据具有了记忆能力,对该网络进行了稳定性分析后,采用层叠的自反馈神经元以增加网络的动态处理能力,并设计了自反馈RBF的在线训练算法,通过对混沌时序数据的仿真实验证明该算法的有效性。在此研究基础上,建立了高炉的热状态预测控制模型,预报铁水中硅的含量以达到判断高炉热状态的目的,实验表明该模型提高了高炉热状态的预报精度。     

径向基神经网络在入侵检测中的应用

与广泛使用的BP网络模型相比,径向基函数神经网络具有训练时间短且不易收敛到局部最小的优点.将3种径向基神经网络应用到入侵检测中,用于入侵模式识别的分类和预测,从而提高入侵检测系统的检测率并降低误报率.