含裂纹铆钉搭接板的权函数法与扩展寿命分析

铆钉搭接结构是典型的多位置损伤敏感结构,容易在多个铆钉孔边萌生疲劳裂纹,进而威胁飞机结构安全。由于裂纹个数、位置和大小随机多变,铆钉与平板间存在复杂的接触关系。为高效、准确计算多铆钉搭接板的应力强度因子以进行裂纹扩展寿命分析,提出针对搭接结构复杂裂纹问题的权函数分析方法。首先,对多铆钉搭接板的复杂裂纹构型进行合理简化分类,利用其对应的权函数求解应力强度因子。然后,采用有限元分析计算含裂纹多铆钉搭接板的应力强度因子以验证权函数法的计算精度。最后,将经验证的权函数分析方法结合Paris裂纹扩展公式,对铆钉搭接结构进行疲劳裂纹扩展分析,并通过试验验证分析方法的有效性。结果表明,采用权函数法计算的应力强度因子与完全采用有限元方法计算的应力强度因子的相对差别小于5%,分析预测的裂纹扩展寿命与试验结果吻合良好,且计算效率比完全采用有限元法快3个数量级,进而为铆钉连接结构孔边裂纹的应力强度因子和疲劳裂纹扩展分析提供了一个有效方法。

特征扩展的随机向量函数链神经网络

基于宽度学习的动态模糊推理系统(broad-learning-based dynamic fuzzy inference system,BL-DFIS)能自动构建出精简的模糊规则并获得良好的分类性能.然而,当遇到大型复杂的数据集时,BL-DFIS因会使用较多模糊规则来试图达到令人满意的识别精度,从而对其可解释性造成了不利影响.对此,提出一种兼顾分类性能和可解释性的模糊神经网络,将其称为特征扩展的随机向量函数链神经网络(FA-RVFLNN).在该网络中,一个以原始数据为输入的RVFLNN被作为主体结构,BL-DFIS则用作性能补充,这意味着FA-RVFLNN包含具有性能增强作用的直接链接.由于主体结构的增强节点使用Sigmoid激活函数,因此,其推理过程可借助一种模糊逻辑算子(I-OR)来解释.而且,具有明确含义的原始输入数据也有助于解释主体结构的推理规则.在直接链接的支撑下,FA-RVFLNN可利用增强节点、特征节点和模糊节点学到更丰富的有用信息.实验表明:FA-RVFLNN既减缓了主体结构RVFLNN中过多增强节点带来的“规则爆炸”问题,也提高了性能补充结构BL-DFIS的可解释性(平均模糊规则数降低了50%左右),在泛化性能和网络规模上仍具有竞争力.

扩展的Euler函数ζ及其相关定理

通过在F_(q)[x]中扩展Euler函数φ的定义提出了“扩展的Euler函数”这一概念,即ζ函数,给出ζ的计算公式,并证明了多个与ζ相关的定理。从中发现,ζ在F_(q)[x]中的性质与φ在整数集合中的性质存在对应关系。此外,对于任意的A∈F_(q) ^(n×n)\{0},可巧妙利用ζ解决F q[A]中非奇异矩阵的计数问题。

基于权函数的有限板边缘裂纹疲劳扩展剩余寿命研究

裂纹是各类工程或机械制造常见的一种缺陷,给设备安全带来重大隐患。针对裂纹在复杂载荷情况下扩展寿命难以准确预测的问题,提出了一种基于权函数的有限板裂纹疲劳扩展的剩余寿命预测模型。首先,引入权函数作为求解影响裂纹扩展速度的应力强度因子,采用Glinka-Shen权函数作为权函数多项式的构建模式,在多项式中选择三个待定系数建立四项多项式。然后利用均布载荷、一次载荷、二次载荷三种载荷作用下的参考应力强度因子,分别与基于权函数应力强度因子的计算式建立等式方程,得到待定系数的三元方程组,通过求解方程组获得三个待定系数值。其次,根据获得的三个待定系数值建立权函数表达式,并基于该权函数实现裂纹在不同长度上的应力强度因子求解,通过对比分析发现,基于权函数的应力强度因子与通用参考通用应力强度因子相吻合,误差在3%之内。最后,根据基于权函数的应力强度因子计算方法,结合通用的裂纹扩展模型Paris公式,求解出有限板裂纹疲劳扩展的在不同裂纹尺寸阶段时的扩展剩余寿命。结果表明,权函数的有限板裂纹疲劳扩展剩余寿命和通用应力强度因子相比,误差在5%之内。

面向RISC-V适配开发的x86 built-in函数转换方法

新兴架构RISC-V的生态建设需要将其他架构函数或软件包向RISC-V架构迁移适配。在研究GCC特定架构适配的built-in函数向RISC-V架构迁移时,提出一套x86到RISC-V的built-in函数转换方法,对于非扩展指令集(属非向量类型)built-in函数,采用RISC-V架构下相同功能的built-in或标准库函数替代;对于SSE扩展指令集built-in函数,建立数据类型映射和向量函数操作映射实现向RISC-V架构向量扩展函数或标准库函数的迁移,其中RVV函数迁移方式占比67%。实验结果表明:方法迁移的程序功能正确,方法有效。本文方法对其他扩展指令集built-in函数的迁移提供了指导,且与现有工作相比,更易扩展、覆盖面更广。

时间分数阶(2+1)-维扩展Fisher-Kolmogorov方程的精确解

利用Lie方法对一类时间分数阶(2+1)-维扩展Fisher-Kolmogorov方程进行对称分析,并求得该方程的不变解,借助不变解对方程进行降维处理。对引入分数阶复变换得到的常微分方程运用辅助函数法,从而得到这类时间分数阶方程在参数满足各种不同情况下的精确解,包括三角函数解和孤波解等。最后绘出两类典型精确解的行波图。

基于扩展傅里叶函数的VIC模型参数敏感度分析

为提高分布式水文模型参数率定效率,结合扩展傅里叶函数对VIC模型参数进行敏感性分析。结果表明:扩展傅里叶函数可综合考虑分布式水文模型参数之间关联程度,敏感度分析相比于传统傅里叶函数合理性更高。研究成果对于分布式水文模型参数敏感性分析具有参考价值。

基于动态扩展邻域蚁群算法的移动机器人路径规划

针对蚁群算法易陷入局部最优、路径转折点多、收敛速度慢的问题,提出一种基于动态扩展邻域蚁群算法(Dynamic extended neighbourhoods ant colony optimization,DENACO)。在蚂蚁搜索方式上采用动态扩展邻域方法,并定义新的信息素计算方式和增量规则,在取得更优收敛路径长度的同时,减少路径转折点数量及路径节点数量;引入自适应调整因子改进启发函数,提高算法的全局搜索能力,并设定迭代阈值,提升算法的收敛速度;提出一种路径节点双优化策略,对规划好的路径进一步优化,提高路径综合质量。不同复杂度及不同规模栅格地图中的仿真实验表明,DENACO算法所规划的路径更优,路径转折点数量减少,收敛速度加快,路径节点数量明显减少,表明算法具有更高的可行性和适用性。

基于值函数分解的多智能体深度强化学习方法研究综述

多智能体深度强化学习方法是深度强化学习方法在多智能体问题上的扩展,其中基于值函数分解的多智能体深度强化学习方法取得了较好的表现效果,是目前研究和应用的热点。文中介绍了基于值函数分解的多智能体深度强化学习方法的主要原理和框架;根据近期相关研究,总结出了提高混合网络拟合能力问题、提高收敛效果问题和提高算法可扩展性问题3个研究热点,从算法约束、环境复杂度、神经网络限制等方面分析了3个热点问题产生的原因;根据拟解决的问题和使用的方法对现有研究进行了分类梳理,总结了同类方法的共同点,分析了不同方法的优缺点;对基于值函数分解的多智能体深度强化学习方法在网络节点控制、无人编队控制两个热点领域的应用进行了阐述。

带有删失函数型协变量的非参数模型的估计研究

该文在删失函数型协变量背景下,研究非参数模型的估计问题,通过使用曲线扩展算法把删失函数型数据扩展为完整函数型数据.该算法具有很好的准确性和灵活性,避免了删失函数型数据难以建模的问题.使用函数型核估计方法得到模型中非线性算子的估计值.通过数值模拟验证该算法的有效性和删失函数型数据对非参数模型的影响,并应用于肝硬化数据集的数据分析中.

运动模糊图像点扩展函数的参数鉴别

为了更加准确地鉴别出运动模糊图像的点扩展函数参数,提出了一种在倒谱域鉴别模糊参数的方法。该方法通过对运动模糊图像的倒谱图实施灰度变换,运用Canny边缘检测精确提取出倒谱,进而计算出运动模糊的尺度;对倒谱实施RADON变换确定运动模糊的方向。对130幅不同模糊程度的计算机仿真图像和相机实拍的图像鉴别结果表明:该方法鉴别PSF参数准确,且具有较强的鲁棒性。使用鉴别出的PSF参数,运用维纳滤波对运动模糊图像进行了复原,复原结果也证实了本方法鉴别PSF参数的有效性和准确性。

基于估计点扩展函数值的湍流退化图像复原(英文)

提出了一种直接从湍流退化图像中估计湍流点扩展函数值的方法 .本方法不再利用自然或人工向导星图像来测定点扩展函数 ,而是直接利用两帧连续短曝光湍流退化图像作为输入 ,在空域中对其进行适当的延拓 ,在频域中建立和选择关于湍流点扩展函数离散值的一系列计算方程 .为了克服噪声的干扰 ,在点扩展函数的非负性和空间光滑性的约束条件下 ,将点扩展函数的计算问题转化为优化估计问题 ,通过极小化准则函数估计点扩展函数值 ,进而恢复退化图像 .实验结果表明 ,本文方法十分有效 。

用Melnikov函数的数值积分法估计混沌阈值

用Melnikov方法对含高阶非线性项的微分方程进行研究。由于很难得到Melnikov函数的解析表达式,故采用数值积分法求解,从而得到可能出现混沌的阈值曲线。并由给定参数计算出相应的混沌阈值,数值仿真结果与Melnikov函数的数值解是一致的。

基于Melnikov函数Duffing系统微弱信号检测

在传统的混沌振子检测微弱信号方法中,当系统进入间歇性混沌状态时,可以通过找到间歇性混沌周期,来计算微弱信号频率。然而直接从时域图上观察所得的间歇性混沌周期容易出现较大的误差。针对这个问题,提出了基于Melnikov函数的Duffing振子微弱信号检测方法,能够检测正弦微弱信号频率,并应用此法对强噪声背景下的微弱正弦信号检测进行仿真。理论分析及仿真结果表明基于Melnikov函数对微弱信号进行检测,可以更加清晰明确地检测出微弱信号的频率。

图像复原中高斯点扩展函数参数估计算法研究

在图像的非盲复原算法中,点扩展函数的获取是算法的关键,因而点扩展函数参数估计是图像复原中重要的一步。由于高斯型点扩展函数是许多光学系统和成像模型中最常见的,所以高斯型点扩展函数参数估计算法一直是研究的热点。文中详细论述了三种主要的高斯型点扩展函数参数的估计算法的原理和实现,比较了各种算法的优点和不足之处。最后,文中展望了今后研究的方向,具有重要的实际意义。

运动模糊图像点扩展函数的自动识别方法

在获取图像的过程中,传感器和场景的相对运动所造成的图像模糊是一类常见的图像退化模式。为对模糊图像进行恢复,首先要给出精确的点扩展函数估计。针对匀速运动降晰的情况,提出了一种新的误差-参数曲线法,并依据这种曲线提出了一种点扩展函数的自动估计算法。通过引入奇异因子、光滑因子以及平坦因子来实现点扩展函数的估计。实验结果表明,该方法可以取得较为精确的估计效果。

快中子照相中的点扩展函数计算

快中子照相中,基于反冲核原理探测快中子的有机闪烁体平板是普遍采用的快中子辐射转换体。模拟了D-T中子垂直入射BC400闪烁体平板,计算了不同厚度平板闪烁体的点扩展函数,对14.1 MeV快中子照相中闪烁体固有分辨率随厚度的变化进行了研究。计算结果表明,在不考虑二次中子与闪烁体作用及背景噪声等情况时,点扩展函数几乎不依赖于闪烁体厚度。同时,计算还表明在一定的分辨率范围内,由于荧光收集效率的限制,闪烁体厚度增加并不会改善图像对比度。

用于三维图像恢复的广义点扩展函数

采用传统的摄像系统点扩展函数恢复三维图像 ,往往不能得到满意的结果。文中提出一种新的概念——广义点扩展函数 ,取代传统的摄像系统点扩展函数 ,用于三维图像恢复。首先给出广义点扩展函数的定义 ,它等于物体和场景到摄像系统的点扩展函数与摄像系统的点扩展函数的卷积。然后给出物体和场景到摄像系统的点扩展函数估计。最后还给出采用广义点扩展函数恢复三维图像的实验结果。实验结果表明 ,采用广义点扩展函数恢复三维图像 ,比采用传统点扩展函数恢复三维图像能获得更好的效果。

台阶法测量辐射成像系统扩展函数的误差分析

在阐述了用台阶法测量辐射成像系统扩展函数 (SF)的原理基础上 ,针对该方法所产生的误差情况进行了分析 ,并对各种因素 (如台阶与光轴的夹角、台阶与光轴的距离及台阶厚度等 )的影响程度作了详细的对比 ,获得了测量系统扩展函数实验布局的指导原则 。

扩展等相关峰综合鉴别函数算法研究

为改进等相关峰综合鉴别函数(ECPSDF)算法,提出了在其约束条件中利用空域构造样本(fi(x,y)-βm(x,y))取代训练样本fi(x,y),将平均训练样本m(x,y)引入到ECPSDF算法的约束条件中,得到了扩展ECPSDF算法(EECPS-DF)。在匹配滤波器设计过程中,针对目标图像、训练样本数和训练样本畸变量间隔,选择合适的β值,使设计的匹配滤波器性能达到最佳。对飞机图像的相关识别进行了模拟和实验,结果表明,当训练样本角间距分别取6°和8°时,其η值分别由0.8584和0.6719减小为0.2145和0.1865,EECPSDF算法能较好地克服ECPSDF算法的缺点。