单摆非线性动力响应的增维精细积分法

文章采用高精度、高效率的增维精细积分法推导出求解单摆非线性动力响应的迭推公式,通过单摆线性解与非线性解的对比分析,得出了能够简化为线性动力问题的初始摆角最大值以及初始摆角对非线性动力响应的影响规律。     

土地征收：制度变迁视觉的解释

基于制度经济学制度变迁理论,探讨了中国土地征收征用现行立法同转型时期经济发展之间的互动与博弈。回顾土地征收的发展历程,可以看出土地征收制度的构建、初始发展主要借助于国家立法,是一种自上而下的强制性变迁路径。目前国家“允许农村集体经营性建设用地出让、租赁、入股,实行与国有土地同等入市流转、同权同价”则是以市场经济为导向、社会规则自我演绎自下而上推动的诱致性变迁获得了政策层面的首肯,也是农村集体经济组织、乡镇地方政府与农民共同推动的制度创新需求。这种诱致性制度变迁以市场经济的内在需求打破了原有的制度均衡,必将推动新的制度均衡建立。     

船载测控雷达无塔角度标校新方法

为了实现船载测控雷达海上无塔动态角度标校,通过分析副面馈电标校的原 理,提出了一种在天线副反射面与馈源喇叭空间位置不对称的特殊情况下的角度标校新方法 ,即副面耦合器任意位置角度标校法,解决了对副面馈电角度标校法耦合孔精确定位难的问 题 。详细阐述了该方法的工作原理、标校步骤,最后通过试验验证了方法的正确性和有效性。     

翻领结构数字化配比研究

影响翻领倒伏量的因素很多,其中翻领与领座的高度差量是最主要的影响因素。本文从翻驳领设计原理出发,推导建立了翻领松量、翻领宽度、倒伏量与倒伏夹角的数学配比关系,并通过实验验证了数字化配比关系的可行性。     

选区激光熔化TC4粉末制备及成形工艺研究

为了提高气雾化制粉方法制备钛合金粉末的性能,使其更适应增材制造工艺,采用自主研发设计的电极感应气雾化制粉设备(EIGA)制备TC4钛合金粉末,研究雾化器气流汇聚角度对粉末粒度、粉末形貌的影响,采用马尔文激光粒度分析仪、氧氮氢分析仪、霍尔流速计、松装密度检测仪和工业CT等设备对粉末氧氮含量、流动性和空心粉含量进行测试。利用Concept Laser M2选区激光熔化设备对TC4粉末进行打印工艺验证研究,对比不同打印方向拉伸试样的室温力学性能,并分析选区激光熔化工艺成形TC4构件的显微组织。测试结果表明,当雾化器汇聚角度为25°时,53μm以下粉末的收得率最高,粉末性能最好。打印验证表明,粉末与Concept Laser M2打印设备的匹配度较好,力学拉伸数据能达到设备要求。因此通过改善雾化器结构能够有效提升气雾化法制备钛合金粉末的性能,并能与增材制造工艺匹配。     

基于数字射频存储的假目标高度控制干扰技术

针对基于数字射频存储（DRFM）的雷达高度欺骗干扰方法存在假目标逼真度低、易被识别和易被滤除的问题，为提高假目标干扰效果，根据雷达顺序波瓣法测仰角和DRFM干扰机的工作原理，提出功率等比转发与比例延时相结合的假目标高度控制算法，阐述了无人机载DRFM干扰机实施干扰的工作流程。经仿真计算，对比了高度控制算法、非均匀重复转发和功率颠倒转发所产生的假目标在航迹、高度和速率方面的差异，证明了高度控制算法产生的假目标运动状态更接近于真实目标，从而验证了该方法的有效性。     

一种小规模超宽带相控阵天线设计

目前基于阵元间强耦合效应已设计出超宽带相控阵天线，但是其规模较大。针对规模小或者在扫描方向上规模小，如何增强阵元间耦合而实现超宽带相控阵天线的问题，采用平衡对踵Vivaldi天线(BAVA)作为天线单元，优化天线单元辐射金属的形状，并采用镜像法布阵天线单元设计出一个小规模4×16的斜极化超宽带相控阵天线。仿真和试验结果表明，采用的方法可以增强小规模超宽带相控阵天线的阵元间耦合效应，实现频率0.8f0~2.0f0驻波比小于2，法向增益达17.34~23.0 dBi，在±45°范围内实现无栅瓣扫描。该小规模超宽带相控阵天线已在实际工程中应用。     

CFM56-5B发动机启动失速故障分析

本文通过CFM56-5B发动机在启动过程中出现"ENG 1 START STALL"故障信息(非高原机场)排故全过程进行分析,提出了对启动过程中出现"ENG 1 START STALL"故障信息(非高原机场)排故建议和维护提示。     

Mining big data using parsimonious factor,machine learning,variable selection and shrinkage methods

A number of recent studies in the economics literature have focused on the usefulness of factor models in the context of prediction using “big data” (see Bai and Ng, 2008; Dufour and Stevanovic, 2010; Forni, Hallin, Lippi, & Reichlin, 2000; Forni et al., 2005; Kim and Swanson, 2014a; Stock and Watson, 2002b, 2006, 2012, and the references cited therein). We add to this literature by analyzing whether “big data” are useful for modelling low frequency macroeconomic variables, such as unemployment, inflation and GDP. In particular, we analyze the predictive benefits associated with the use of principal component analysis (PCA), independent component analysis (ICA), and sparse principal component analysis (SPCA). We also evaluate machine learning, variable selection and shrinkage methods, including bagging, boosting, ridge regression, least angle regression, the elastic net, and the non-negative garotte. Our approach is to carry out a forecasting “horse-race” using prediction models that are constructed based on a variety of model specification approaches, factor estimation methods, and data windowing methods, in the context of predicting 11 macroeconomic variables that are relevant to monetary policy assessment. In many instances, we find that various of our benchmark models, including autoregressive (AR) models, AR models with exogenous variables, and (Bayesian) model averaging, do not dominate specifications based on factor-type dimension reduction combined with various machine learning, variable selection, and shrinkage methods (called “combination” models). We find that forecast combination methods are mean square forecast error (MSFE) “best” for only three variables out of 11 for a forecast horizon of $h=1$, and for four variables when $h=3$ or $12$. In addition, non-PCA type factor estimation methods yield MSFE-best predictions for nine variables out of 11 for $h=1$, although PCA dominates at longer horizons. Interestingly, we also find evidence of the usefulness of combination models for approximately half of our variables when $h>1$. Most importantly, we present strong new evidence of the usefulness of factor-based dimension reduction when utilizing “big data” for macroeconometric forecasting.     

松软底板回采时大采高工作面链板机控制技术

文章介绍了松软底板大采高工作面回采时控制链板机角度的操作方法和技术要求。通过控制链板机角度(仰俯),提高回采速度,减少机械设备损坏,增加工作面生产效率。