基于原尺寸建模的水下管汇碰撞数值模拟研究

海上坠物的撞击直接影响水下管汇的工作稳定性,开展坠物冲击下水下管汇的动力学分析能够为其结构设计提供依据以及提高水下管汇生产安全性。而基于非全尺寸模型的水下管汇动力学分析方法存在分析结果精度受损的问题。为此,建立水下管汇全尺寸有限元模型以开展动力学分析,考虑不同形状和质量的坠物对水下管汇造成冲击的影响不同,建立多种坠物类型模型,并开展仿真实验。结果表明:球体坠物对水下管汇造成的损伤程度最高、霍尔锚坠物次之、圆管坠物造成的损伤程度最低。进一步地,考虑到坠物撞击角度不同对水下管汇造成的损伤程度不同,结合坠物坠落规律,分别采用圆管横向和圆管纵向与水下管汇进行碰撞动力学分析。结果表明:坠物质量相同时,接触面积越小损伤程度越大;坠物类型相同时,坠物质量越大造成的损伤程度越高。

流形学习中邻域大小参数的合适性判定

流形学习算法能否成功应用严重依赖于其邻域大小参数的选择是否合适,为此,提出了一种高效的邻域大小参数的合适性判定方法。基于流形的局部欧氏性,该方法用PCA(Principal Component Analysis,主成分分析)重建误差对邻域图上每一个邻域的线性程度进行衡量,然后根据邻域图上所有PCA重建误差的聚类个数来判定相应邻域大小的合适性。该方法无需象残差那样运行相对耗时的流形学习算法,从而具有较高的运行效率,其有效性可通过实验结果得以证实。

邻域参数动态变化的局部线性嵌入

局部线性嵌入是最有竞争力的非线性降维方法,有较强的表达能力和计算优势.但它们都采用全局一致的邻城大小,只适用于均匀分布的流形,无法处理现实中大量存在的非均匀分布流形.为此,提出一种邻域大小动态确定的新局部线性嵌入方法.它采用Hessian局部线性嵌入的概念框架,但用每个点的局部邻域估计此邻域内任意点之间的近似测地距离,然后根据近似测地距离与欧氏距离之间的关系动态确定该点的邻域大小,并以此邻域大小构造新的局部邻域.算法几何意义清晰,在观察数据稀疏和数据带噪音等情况下,都比现有算法有更强的鲁棒性.标准数据集上的实验结果验证了所提方法的有效性.

流形学习算法中邻域大小参数的递增式选取

流形学习算法能否成功应用依赖于邻域大小参数的选取是否合适,但该参数在实际中通常难以高效选取。为此,提出一种邻域大小参数的递增式选取方法。按照流形的局部欧氏性,邻域图上的所有邻域都呈线性或近似线性,邻域大小参数若合适,此时所有邻域的线性度量可聚成一类;而邻域大小参数若不合适,邻域图上就会有部分邻域不再线性,其线性度量也不能聚成一类。对邻域图上的每一个邻域执行加权主成分分析,用重建误差对其线性程度进行度量,并计算相应的贝叶斯信息准则,以探测其聚类个数,从而实现对邻域大小参数的递增式选取。实验结果表明,该方法无需任何额外参数,具有较高的运行效率。

基于湍流理论的液压集成块流道仿真分析

在集成块内部孔道连通时,为避免各流道之间发生干涉及减小压力损失,必须合理安排流道尺寸。鉴于出油口直径、工艺孔长度、工艺孔直径以及直角转弯长度等将对液压集成块的流道特性产生重要影响,运用ANSYS/Fluent模块对集成块内部三维孔道进行仿真和数值计算,通过仿真模拟得到了速度流线云图,并比较了不同出油口直径、工艺孔长度、工艺孔直径以及直角转弯长度对流道压力产生的影响,分析了造成压力损失的原因,得到了使流道压力损失最小的流道尺寸配比。研究成果为水下控制模块封装系统底盘上液压集成块通油孔优化提供了理论支持。

基于局部保持线性判别嵌入特征提取的光谱图像分类

针对难于获得足够多的高光谱图像训练样本的问题,基于流形学习标准、Fisher标准和最大边缘标准,提出了一种适用于高光谱图像小样本问题的局部保持线性判别嵌入(LPLDE)监督线性流形学习特征提取方法。LPLDE方法利用类内近邻图和类间近邻图描述类内的紧性和类间的可分性,有效地避免了因类内离散度矩阵奇异导致的小样本问题,具有更好的判别性能,更适合于分类问题。高光谱数据的实验结果表明了该方法的有效性。

基于通勤时间距离的流形聚类与可视化

现有流形学习算法能比较好地学习和可视化高维数据的低维非线性流形结构,但对难以高效选取的邻域大小参数还比较敏感,且要求数据良好采样于单一流形.为了降低流形学习算法对邻域大小参数的敏感程度,并实现对多流形数据的良好聚类与可视化,提出了1种新的基于通勤时间距离的流形学习算法——CTD-ISOMAP(commute time distance isometric mapping).和欧氏距离相比,通勤时间距离以概率的形式综合考虑了邻域图上2点间的所有连接路径,不但更加鲁棒,而且还能表达数据的内在几何结构.因此,CTD-ISOMAP算法采用通勤时间距离能比较好地识别并删除邻域图中可能存在的"短路"边以及不同流形之间的连接边,从而能在更大的邻域大小参数范围内实现对流形数据的良好可视化,并提高对多流形数据的聚类效果.最后的实验结果证实了该算法的有效性.

一种新的基于自组织映射的流形学习算法

针对自组织映射(Self-Organizing Map,SOM)算法在进行流形学习时容易陷入局部极值和产生"拓扑缺陷"问题的原因,提出了一种新的基于SOM的流形学习算法:TO-SOM(TrainingOrderly-SOM).根据流形的局部欧氏性,TO-SOM算法从一个局部线性或近似线性的数据子集出发,按照数据的内在流形结构对其进行有序训练,可以避免局部极值、克服"拓扑缺陷".根据SOM算法的鲁棒性,TO-SOM算法在成功学习数据内在流形结构的同时,对邻域大小参数和噪声也不像ISOMAP和LLE等现有流形学习算法那样敏感,从而更容易得到实际应用.

基于压力速度耦合算法的PEMFC电堆空气分布

利用燃料电池流道简化方法和压力速度耦合算法,研究了U形和Z形2种结构的电堆空气分布,以及歧管宽度和燃料电池单体数量对空气分布的影响.结果表明:由于U形和Z形结构的歧管出口压力分布不同,导致2种结构的空气分布不同,Z形结构的空气分布要比U形结构好;歧管尺寸增大时,空气分布的均匀性得到了明显改善,当空气分布差异不大时,再增加歧管尺寸,效果会降低,且增加电堆成本;在电池数量增加、歧管横截面积不变时,空气分布的均匀性会明显变差,尤其是U形结构;当电池数量为30个、歧管宽度为20 mm时,空气分布较均匀;当电池数量为50个时,歧管宽度需要达到30 mm,空气分布才较均匀.

小型多功能农业机械方案设计

本文对小型多功能农业机械的适应性，应具备的作业项目，主要机构与部件的结构形式及有关参数的选择进行了探讨。

基于格拉斯曼流形的无线信道预测

对多天线无线系统的信道预测进行了研究,提出了一种基于格拉斯曼流型的信道信息动态预测方案。推导出在格拉斯曼流形上步长优化预测准则。将时间相关性信道的CSI建模成格拉斯曼流形上的时间序列,利用格拉斯曼流行的微分几何特性定义切向矢量,测地线等。以预测误差最小的原则选择最佳步长。仿真结果证明,该方案不仅可以补偿反馈延迟,而且能极大的改善误码率及和速率。

降低4G69M发动机进气歧管进气阻力的研究

分析了4G69M发动机进气歧管内壁表面质量对发动机功率的影响。试验证明：选用粒度为AFS65～75、i筛集中度超过90％，其中主筛超过35％的覆膜砂，加入8％～15％的RC-5激冷砂生产的4G69M发动机进气歧管具有良好的内表面质量。可提高发动机功率4．66％。

图像特征提取中领域尺寸和本征维数的自动选择算法

本文首先对图像特征提取过程中的近邻距离进行线性重构,然后对其在整个流形上的分布进行优化运算,得到一个最优线性重构权为变量的图像数据局部低维特征的表达函数。最后以该函数稳定性的最小度量构造出适用于图像特征提取的邻域尺寸和本征维数的自动选择策略。实验表明该方法实现了图像数据本征维数与邻域尺寸的自动化选择,并具有计算简单、匹配率高且计算复杂性低等特点。

一种用于人脸识别的有监督核化多类多流形ISOMAP算法

在核等测距映射(kernel ISOMAP)和多类多流形ISOMAP算法的基础上,提出一种针对人脸识别任务的有监督核化多类多流形ISOMAP算法.该算法保持了kernel ISOMAP算法的泛化特性,同时又能完成分类任务,解决了ISOMAP-C在对具有高维小样本特性的人脸数据集识别时,所要调整的神经网络权值数目将随输入维度呈指数增长,且易出现过拟合现象的问题.在多种人脸数据集上的实验结果表明了该算法的有效性,且对训练样本集的大小有较好的鲁棒性.

基于广义矩阵指数的判别局部保持投影方法

【目的】局部保持投影(LPP)是一种经典的非线性数据降维方法。在LPP方法基础上人们提出了判别局部保持投影方法(DLPP),并取得了良好的效果,但DLPP方法存在小样本问题,针对该问题提出了广义矩阵指数判别局部保持投影(GEDLPP)算法。【方法】基于矩阵函数的性质,使用广义矩阵指数函数来重构DLPP,即为GEDLPP算法。【结果】提出的算法有两个优点:一是解决了DLPP方法的小样本问题;二是GEDLPP所隐含的非线性映射拉伸了不同类别样本之间的距离,从而提高了模式分类的能力。【结论】在COIL-20数据库,Yale,Extended Yale B和CMU-PIE人脸数据集上的实验结果表明:与最近提出的解决DLPP小样本问题的改进方法相比,GEDLPP的识别率优于其他方法。