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:DEMATEL(决策试验与评价实验室)方法是一种在影响因素关联关系评估的基础上,进行影响因素识别与区分的方法。但现实中的管理问题影响因素众多,通过专家打分准确评估影响因素关联关系难度较大,这限制了DEMATEL方法的应用。基于此,本文先采用基于偏最小二乘(PLS)的结构方程方法计算的路径系数来得到影响因素直接关联矩阵,降低了获取直接关联矩阵的难度,再运用传统的DEMATEL方法进行影响因素分析,从而提出了PLS—DEMATEL方法。然后把PLS—DEMATEL方法运用于组织敏捷性的IT影响因素分析的案例研究中,在为增强组织敏捷性提供IT战略支持的同时,也对PLS—DEMATEL方法的实效性进行了验证。
简介:文章基于等离子体的Joule加热、静电力、Hall效应以及Lorentz加速度等固有特性,对等离子体在航空航天领域(不包括电推进和飞行器再入热防护方面)中的应用进行总结及评估.等离子体激励器在亚声速流到高超声速流的整个空气动力学领域及稀薄流领域,得到了广泛的应用.真正引人瞩目的是,与所控制的流场相比,应用中所加入的电磁力或能量仅仅与其扰动水平相当.因此,有效的流动控制往往就限制在像流动分离、流体动力学不稳定性、动态失速和涡破碎等动力学分岔问题中.有效的控制应用通常是利用有黏-无黏流相互作用的放大效应、外部磁场或微波能量的加入等来增强其控制效果.最后文章根据这些评估,对未来学科前沿提出了几点基础创新研究方向的建议.
简介:关于惩罚的确定性及其严重性是否能够有效地影响组织内部雇员的信息安全遵从行为,已有的研究结论尚存在着严重分歧。为了继续探索惩罚对信息安全遵从行为的影响作用,构建了信息安全遵从博弈模型,依据该模型和存在道德风险的委托人——代理人理论,分析了惩罚的确定性以及适度的惩罚严重性对信息安全遵从行为的激励机制,并对惩罚的适度性进行了数值模拟。研究表明:(1)作为委托人的组织可以设计出包含适度惩罚的最优激励契约,并获得最优的信息安全遵从收益;作为代理人的雇员不仅将接受该契约,并且会按照组织所期望的努力水平去遵从信息安全制度。(2)惩罚的确定性和适度性两者能够有效地影响雇员的信息安全遵从行为。(3)组织可以根据雇员的风险规避测度、外部机会收益、激励报酬以及信息安全产出结果这四个因素来设置适当的惩罚额度。这些研究结果将有助于信息安全管理者深入地理解并有效地管理组织内部雇员的信息安全遵从行为。
简介:设计了一种结构简单、噪声低、功耗小的溴化镧(LaBr3:Ce)γ谱仪前端读出电子学电路。该电路包括电压灵敏前置放大电路、谱仪放大电路和供电电源3部分,电路的设计基于传统核电子学方法和较新的电子元器件,采用低噪声设计技术,在能谱测量中获得了较高的能量分辨率。文中首先介绍了电路的设计方案,包括各部分电路原理、功能和设计要点;然后开展了电路仿真和电路板设计;最后通过实验进行电路功能验证。实验表明:基于研制的前端读出电子学电路、溴化镧(LaBr3:Ce)探测器及数字多道分析器组成的γ谱仪系统,对137Cs662keVγ能峰的能量分辨率可达2.7%,谱仪系统性能稳定。
简介:针对O型高功率微波产生器件采用的无箔二极管结构,在引导磁场为0.6T的条件下,研究了二极管电压、电流、阴阳极间距、漂移管管头倾角和阳极半径等参数对电子束包络的影响。结果显示:阴极附近和漂移管内部的电子束包络随二极管参数的变化规律有明显差异,阴极附近电子束包络幅值较小并不能确保漂移管内部电子束包络幅值较小;适当增大二极管阻抗有助于减小漂移管内电子束包络幅值;受电子束径向运动的空间周期性影响,漂移管内部的电子束包络幅值随阴阳极间距增大会出现振荡变化;漂移管管头倾角超过90°后,管头倾角对电子束包络幅值影响很小;当阳极半径明显大于阴阳极间距时,阳极半径对漂移管内电子束包络幅值的影响也较小。通过合理优化二极管参数,可以有效减小电子束包络幅值,这是低磁场O型高功率微波器件稳定工作的重要基础。