小展弦比叶栅非轴对称端壁造型及气动性能的数值研究

提出了基于双控制型线的非轴对称端壁造型新方法,并在某小展弦比叶栅的上下端壁上完成了非轴对称端壁造型设计.采用数值求解Reynolds-Averaged Navier-Stokes(RANS)和考虑转捩模型的SST湍流模型对轴对称端壁原始叶栅和非轴对称端壁叶栅进行了详细的流场特性分析,结果表明:所提方法可以有效减少进入叶栅通道涡的低能流体,从而抑制了通道涡的发展,减少了二次流损失.由于叶栅展弦比较小,所以非轴对称端壁会影响到整个流场,使得出口气流角在整个叶高范围内有所增大,中叶展处叶片负荷下降,型面损失减少.与轴对称端壁原始叶栅相比,非轴对称端壁叶栅效率提高了0.22%,从而验证了所提方法的有效性.     

氟化酚类化合物结构与生物毒性关系研究

根据非氢原子类型分类、基于非氢原子相对电负性和非氢原子间距离等进行计算得到的分子电性距离矢量(MEDV)为描述子,对16种氟化酚类化合物的结构进行了表征.运用多元线性回归(MLR)方法,研究并建立了氟化酚类化合物定量结构与生物毒性关系的5变量模型,其复相关系数(R)为0.914.上述模型对16种氟化酚类化合物毒性的预测值与实验值能较好吻合,留一法交互检验的复相关系数(RCV)为0.856.结果表明所建模型具有良好的稳定性和预测能力.     

谐波注入式多相SVPWM及其矢量意义

从载波角度对多相空间矢量脉宽调制(SVPWM)进行了研究,提出了谐波注入式多相SVPWM算法.建立了零序空间矢量基本函数的一般形式,确定了载波调制中对应于多相SVPWM的零序谐波注入量,通过载波调制的形式等效实现了多相SVPWM.以五相两电平逆变器结构为例,提出了SVPWM中矢量有效的充要条件.论述了多相SVPWM中有效矢量的构成、作用顺序和作用时间的一般性规律.在矢量空间中设定了调制比,得出了相数与线性调制范围的关系.通过实验证明了算法的正确性和有效性.     

微型喷管内气体流动的流量壅塞现象

基于MEMS微加工工艺,在硅片上加工出带有内部测压孔的微型喷管,其喉部宽度为20μm,深度为240μm,扩张比为1.7,采用实验研究和数值计算相结合的手段研究了微型喷管内气体的流动特性. 研究结果表明:保持进口压力不变,不断降低背压,当喉部马赫数达到0.8时,内部流动出现了质量流量壅塞现象. 此时对应的壅塞临界压比为0.650;同时发现,当进出口压差为48kPa和66kPa时,喉部下游扩张段出现了局部超声速环. 这些异于常规喷管流动特性的现象主要归因于微型喷管内较大的粘性耗散.     

脉冲发动机喷管喉衬故障的计算与分析

为了解决脉冲发动机喷管喉衬曾出现过从其喷管座中打出的故障问题,利用MSC Patran 2004r2有限元软件对脉冲发动机喷管喉衬进行了强度分析.选用了三角形轴对称单元,用PCL语言编写了施加变压力载荷的程序,采用高压密封容器对整个喷管作了静压试验,分析了载荷、位移约束和材料性能对喉衬最大应力的影响.结果表明,喉衬支撑结构的耐烧蚀性能没有满足使用要求.经过试验验证,采用将支撑结构改进成镶嵌更耐烧蚀的金属衬套的复合结构措施的喷管,工作正常,结构完好.     

改进的免疫遗传算法在桁架结构优化设计中的应用

从免疫系统原理出发,结合遗传算法提出了一种基于二次选择的免疫遗传算法的构造,避免了传统遗传算法易陷于局部最优的不足。对该算法中最为关键的两个部分,选择概率和抗体浓度的构造进行了讨论。并将该算法应用于桁架结构的结构优化设计,与标准遗传算法优化的结果相比较,优化能力有所提高。     

Flash文件格式剖析

本文首先对FLASH的背景以及发展应用进行简单介绍,然后重点讨论了SWF文件格式的规范及其特征,最后介绍了Flash SDK的类库构成和SWF文件格式的转化.     

一种结合小波变换的矢量量化快速编码算法

研究了一种基于均方误差(MSE)测度的矢量量化快速编码算法,算法利用小波变换的特点,合理构造矢量.结合非线性插补矢量量化技术、矢量和值差法、部分失真排除法和一些典型的小波系数的极性判断,在搜索编码过程中,有效排除部分候选码字.实验结果表明,相对于穷尽搜索方法,计算量有明显降低,计算时间减少约98%.     

基于贝斯准则和待定词集模糊矩阵的满文识别后处理

将满文单词识别系统的识别信息和满文的词组信息有机地结合起来,建立满文词组和待定词集统计信息库,利用贝叶斯准则,综合满文待定词的后验概率和词组的先验概率信息,建立合理有效便于实现的数据结构,对满文单词识别系统输出存在的拒识词和错识词进行检测和纠正,从而有效地提高满文识别系统的识别率·实验表明:后处理性能除取决于语言模型外,还取决于后概率的精确估计·另外,在单词识别系统识别率高的情况下,后处理的纠错能力会增强·     

基于改进的LBG算法的SVM学习策略

针对SVM方法在大样本情况下学习和分类速度慢的问题,提出了利用LBG算法对训练样本进行预处理,然后再使用传统的SVM算法进行训练的策略,并提出了一种改进的LBG算法．通过对仿真数据以及对实际的纹理图像的分类实验表明,这种预处理方法能在保持学习精度的同时减小训练样本以及决策函数中支持向量集的规模,从而提高学习和分类的速度．