桥梁颤振临界风速的概率密度演化计算

针对桥梁结构自身特性以及外部环境的随机性(如刚度、质量、阻尼比、气动导数等因素)所造成的桥梁的颤振临界风速不确定,难以衡量桥梁颤振稳定性问题. 将概率密度演化方法与桥梁颤振多模态耦合分析方法相结合,以江阴长江大桥作为实例,通过考虑桥梁结构自身的不确定性及气动导数的不确定性,给出不同模态阻尼比及频率的概率密度演化过程. 研究表明:结构模态阻尼比及频率在低风速情况下的概率密度分布可近似认为服从正态或对数正态分布,高风速下的概率密度则无法用单一的概率分布来描述,概率分布会出现双峰甚至多峰的情况;与按确定性方法到的颤振临界风速相比,按概率密度演化方法得到的颤振临界风速较小.     

YAG激光焊接等离子体电信号检测与焊接模式分析

激光等离子体中包含了反映激光焊接过程特征的信息。利用激光等离子体光电信号同步检测系统,检测激光等离子体的光电信号并进行光电信号的对比分析,阐明了电信号与等离子体温度之间的关系;对A304不锈钢、430不锈钢、碳钢Q235等材料的激光表面自熔焊接过程的等离子体电信号进行了实时检测及概率密度分布分析,对深熔焊特征最明显的A304不锈钢进行了电信号概率密度分布的标准差分析。研究结果表明:利用激光等离子体电信号能够实时反映激光焊接等离子体的温度变化的特点,可以根据激光等离子体电信号概率密度分布来分析激光焊接模式的特点,进一步的标准差分析法可以判断A304不锈钢激光焊接的模式。     

太阳日散射概率密度模型

太阳散射是太阳能系统分析的重要参数。在有太阳总射而没有散射的情况下，散射可通过总射估计出。在北京和成都实测数据基础上，建立了具有2个参数的日散射概率密度模型。该模型的参数通过迭代方法给出。模型基本反映了日散射的分布特征。给出了模型应用的一般方法。讨论了模型的通用性。     

近海风力发电高塔波浪随机动力响应分析

基于拟层流风波生成机制建立的随机Fourier海浪模型,采用概率密度演化理论研究了近海风力发电高塔在随机波浪作用下的动力响应问题,给出了结构响应概率密度函数的时间演化过程、概率密度等值线图及其均值和标准差.其中随机波浪力由线性波浪理论和M0rison公式计算.结果表明,概率密度演化方法可以获得结构波浪动力响应的时变概率密度函数和等概率密度响应轨迹.据此计算的均值及标准差与Monte Carlo计算结果吻合较好.     

基于基准线概率密度的多站多目标定位

针对在多传感器多目标定位中,运用测向交叉定位法会产生大量虚假点,研究了一种剔除虚假点的方法。首先确定一个基准站,将其所测角度对应的测向线设为基准线,其他站测角所对应的测向线与每条基准线相交可产生大量交点,通过比较每条基准线上交点的概率密度和,选取和值最大点作为对应基准线上目标的估计位置。仿真分析表明,此法定位精度高,处理速度快,适于实时处理。     

一种基于改进的DSE-CMA算法的盲多用户检测

提出了一种基于改进抖动符号误差恒模算法（Modified Dithered Sign—Error Constant Modulus Algorithm,MDSE—CMA）的盲多用户检测算法。抖动符号误差恒模算法（Dithered Sign—Error Constant Modulus Algorithm,DSE—CMA）稳态性能好，但其过量的均方误差使得收敛速度较慢。MDSE—CMA算法通过引入符合正弦概率密度分布的抖动信号来减少均方误差。基于该算法的多用户检测方法与DSE—CMA算法相比，收敛速度加快。仿真证明，提出的方法在码分多址（Code Division Multiple Aceess，CDMA）异步多径信道下可有效地抑制多址干扰和克服多径衰落。     

多管火箭弹落点分布规律研究

多管火箭落点分布是评估其射程和密集度等性能的基础，在深入分析多管火箭武器系统特点的基础上，根据多元正态分布理论，推导了多管火箭落点的分布模型，得到了多管火箭落点分布是中间高两边低的对称分布，但不完全属于正态分布的结论；可以用正态分布近似多管火箭落点的分布，给出了两种正态近似的方法：方差相等法和峰度相等法；研究了非满管密集度试验的方法，首次从数理统计角度证明了非满管替代满管进行密集度试验的可行性，通过模拟仿真和试验数据验证了结论的正确性。     

求Z=X＋Y的概率密度的曲线积分法

求Ｚ＝Ｘ＋Ｙ的概率密度一般采用先求二重积分，再求导。本文给出了一种新的更简便的求法－由曲线积分获得。此法可推广到求Ｚ＝ａＸ＋ｂＹ的概率密度图３，参５。     

基于支持向量机与高斯分布估计的低NOx排放

燃烧优化的核心在于建立有效而快速的建模工具及寻优算法,以便于在线应用。为了研究新方法的适用性以及克服常用算法的缺点,本文利用支持向量回归建立了大型四角切圆燃烧电站锅炉NO_x排放特性模型。利用大量的热态实炉试验NO_x排放数据对模型进行了训练和验证。结果表明,支持向量回归模型能获得较神经网络模型更加准确的预测结果,相对于神经网络,支持向量回归能更好处理大样本量数据的非线性问题。随后,采用一种基于高斯概率密度 (GPDD)的分布估计优化算法对NO_x排放模型进行了寻优。研究发现,与遗传算法相比,GPDD具有更好的寻优能力与更快的收敛速度。结合支持向量回归与高斯概率密度分布(GPDD)算法能有效降低燃煤锅炉NO_x排放量,不到1 min的优化时间便于在线应用。研究结论可为该算法在实际电厂中推广应用提供参考依据。     

基于最大熵法的武器系统密集度分析

给出了一种基于最大熵的武器系统密集度精确分析方法，讨论了武器系统密集度试验中多组试验数据的处理方法，用该方法对某型火箭武器系统的密集度进行了分析。实践证明该方法有较强的实用价值。