北京航空航天大学学报

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

相关文章推荐

正直的香瓜 · Ellen Johnson Sirleaf ...· 1 月前 ·

无聊的金针菇 · 返回部分结果后，才报单行子查询返回多行。_I ...· 2 年前 ·

憨厚的打火机 · ffmpeg命令行使用nvidia ...· 2 年前 ·

怕老婆的帽子 · Getting the following ...· 2 年前 ·

酷酷的便当 · ESXI6.7安装提示No Network ...· 2 年前 ·

XY-SAS(Xu-Yan-Scale Adaptive Simulation)模型是一种新的基于平均涡量的一方程SAS类模型,不但解决了分离涡模拟DES(Detached Eddy Simulation)的雷诺平均N-S方程RANS(Reynolds Averaged Navier-Stokes)-大涡模拟LES(Large Eddy Simulation)交界面问题,而且计算量远小于早期SAS.通过对XY-SAS模型的机理分析,认为该模型克服了早期SAS模型预测的湍流能谱在高波数衰减不足的缺陷,并在分析的基础上对该模型进行了改进,取消了其限制器.选用平板边界层和方柱绕流作为算例,进一步研究了该模型对于稳态流动和大分离流动的性能,数值模拟结果同实验值符合良好,证明XY-SAS模型自身完备,是预测稳态流动和大尺度分离流动的有效方法,实现了涡粘性系数根据当地流动状态动态地自适应调整和光滑过渡. 提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA, Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性. 提出了一种特征驱动的可复用需求建模方法(RRM,Reusable Requirement Method),此方法定义了一个可复用的需求建模过程(RRMP, Reusable Requirement Modeling Process),在领域工程和应用工程两个层面上都提出了相对完整的需求建模方法并将两个阶段有机地融合在一起.将主要研究方向着眼于领域模型的正确建立、合理剪裁和对象化过程,从而得到针对于具体应用的需求模型.在RRMP的过程指导下还将设计一个需求定制与应用开发平台(RAP, Requirement customing & Application developing Platform).RAP平台立足于需求获取阶段,以用户易理解的图形化方式灵活直观地与用户进行需求交互,根据用户定制的需求自动生成具体应用的标准需求开发文档和开发过程中所产生的统一建模语言(UML,Unified Modeling Language),并最终开发出用户所需的领域内特定应用的原型系统.RAP平台主要包含3个部分:图形化需求定制工具,需求开发文档生成工具和目标应用开发工具. 采用超声疲劳试验方法对新型沉淀硬化马氏体不锈钢S06钢在10 ⁶ ~10 ⁹ 周次范围的疲劳性能进行测定,结果表明:S06钢在循环周次大于10 ⁷ 周次的范围仍然发生疲劳断裂,在10 ⁶ ~10 ⁹ 之间,应力寿命曲线持续下降,不存在疲劳极限,用10 ⁷ 周次的条件疲劳极限来对S06钢长寿命构件进行无限寿命设计是不安全的.用载荷类型相同并且试样尺寸相近的高频疲劳试验方法对S06钢10 ⁴ ~10 ⁷ 周次的疲劳性能进行测定,将数据与超声疲劳试验结果进行对比发现:超声疲劳试验方法获得的S06钢的疲劳强度更高.用两种加载频率下10 ⁶ ~10 ⁷ 周次左右的试验数据拟合得到中值应力寿命曲线,根据应力寿命关系式中的疲劳强度系数的比值来对超声疲劳试验数据进行修正.在考虑了裂纹萌生机制和进行了频率影响修正的情况下,用线性异方差回归方法将超声疲劳试验数据拟合得到S06钢的长寿命 P-S-N 曲线,为长寿命构件的疲劳设计提供了基础. 对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.