简介:开展了机器学习在翼型气动力计算和反设计方法中的应用研究,实现了在更大翼型空间范围内,人工神经网络的训练和优化,建立了翼型气动力计算模型,和给定目标压力分布的翼型反设计优化模型.作为机器学习领域兴起的研究热点,人工神经网络的研究工作不断深入,有研究者尝试将其应用于流体力学的学科范畴内.文章实现人工神经网络在翼型计算领域中应用的方法如下:首先通过Parsec参数化方法,围绕基准翼型构造了一定翼型空间范围的翼型库,利用XFOIL进行数值模拟,搭建了和翼型库具有一一映射关系的流场信息库.通过训练和优化神经网络,实现了基于此模型的快速、高可信度的翼型气动力预测,以及新型的翼型优化设计方法.通过自动化编程实现样本库的批量生成,实现了不同翼型空间的样本量下,神经网络的训练和优化过程.实验结果表明,在机器学习领域中,基于神经网络的翼型反设计模型的精确性高度依赖于训练样本量的大小和覆盖范围.
简介:针对舰载条件的捷联惯导粗对准问题,提出了一种简单可行的最优粗对准方法。根据双矢量定姿的原理,分别将两个观测矢量之一作为基准,通过两次三轴姿态测定算法得到两个姿态矩阵,然后根据观测矢量的方差特性加权得到精度最优的姿态阵。阐述了三轴姿态测定算法的基本原理,分析了最优三轴姿态测定算法与基于高斯马尔科夫估计的三轴姿态测定算法的统一性,解析了基于最优三轴姿态测定算法的舰载惯导系统粗对准方案,并对传统三轴姿态测定算法和最优三轴姿态测定算法进行了应用比较。蒙特卡洛50个样本的仿真结果表明,采用最优三轴姿态测定算法明显优于传统三轴姿态测定算法,可使得东向、北向和天向姿态误差角均值分别为4.78??,9.21?和0.29?,标准差分别为0.11?,0.07?和1.08?,水平失准角最大值9.37?,方位失准角最大值2.8?,能够有效确定出载体的粗略姿态,在此基础上能更好实现该状态下的舰载惯导精对准。
简介:本文根据河北医科大学运用中药青风藤提取物青藤碱治疗患系膜增生性肾小球肾炎的SD大鼠的最新实验数据,采用多元统计分析的Fisher判别法.对该实验剥模过程、治疗效果进行判别分析,从统计意义上讲,该实验制模是成功的,青藤碱的治疗效果与常用药物雷公藤多苷一样比较显著.
简介:本文提出了求矩阵A的Jordan标准形的另一方法:利用rank(λ(E-A)^P的结果,得出了对应于特征(λi的Jordan块的阶数和个数,然后求出矩阵A的Jordan标准形.
简介:摘要电力行业的发展极为重要,各行各业的生产和人们的日常生活都离不开电力能源的供应,因此电力公司需要不断提升自身的服务质量,提供稳定的电力供应。电力产业发展的关键就是对电力的计量营销工作,在进行电力计量工作的过程中要使用准确、高效的计量系统,制定科学合理的收费标准,这样既能不断优化电力营销计量工作,同时也能帮助电力企业树立优质的服务形象。电力企业未来的发展方向是更加专业化和精确化,这样才能保证电力企业的长远发展,因此必须对电力营销计量改造工作给予足够的重视,寻找改造工作中存在的问题,并制定有效的解决措施。本文的主要内容就是对电力营销计量改造中存在问题及解决方法的简要分析,希望能够为电力行业的发展做出贡献。