【摘 要】
：
参考国际船模拖曳水池会议(ITTC,2017)推荐规程以及国家相关标准,对船模拖曳水池的自航试验进行不确定度分析.首先对船模自航试验流程进行了梳理,确定其不确定度来源;然后根
【机 构】
：
上海船舶运输科学研究所航运技术与安全国家重点实验室,上海 200135哈尔滨工程大学船舶工程学院,黑龙江 哈尔滨 150001;上海船舶运输科学研究所航运技术与安全国家重点实验室,上海 200135;
论文部分内容阅读
参考国际船模拖曳水池会议(ITTC,2017)推荐规程以及国家相关标准,对船模拖曳水池的自航试验进行不确定度分析.首先对船模自航试验流程进行了梳理,确定其不确定度来源;然后根据自航试验原理,提出了不同温度时试验数据换算的方法,对ITTC关于自航试验不确定度分析规程进行补充;其次在试验数据进行温度换算之后,计算了船模自航试验中桨模转速、推力、扭矩和强制力的不确定度,并进一步计算了相关自航因子的不确定度.分析结果表明:当名义温度15℃时,按照95％的置信水平,各自航点的转速的扩展不确定度小于0.4％,推力和扭矩的扩展不确定度均低于1.0％,推力减额的扩展不确定度低于5.5％,伴流分数的扩展不确定度低于1.1％.本试验的船模自航试验不确定度分析的方法和步骤可以作为其他水池试验的参考.
其他文献
提出了一种基于噪声消除与衬底交叉耦合技术的宽带低噪声放大器(LNA)架构,在共栅(CG)与并联反馈组合的噪声消除结构基础上,采用了衬底偏置和衬底交叉耦合技术使输入级的等效
一个孩子的健康成长,仅靠学校或仅靠家庭是远远不够的,教师观察不到孩子在家里的表现,家长也很难看到孩子在学校的情况,而班主任在这两者之间就起到了一个关键性的作用,班主
针对目前多数表情识别算法都是基于浅层特征的,很难达到良好的识别效果,并且核主成分分析网络(PCANet)网络存在提取到的表情特征维数比较高致使识别时间较长和分类效率较低的问题,受到深度学习模型PCANet的启发,提出了一种结合核主成分分析网络(KPCANet)和线性判别分析(LDA)的表情识别算法.首先,利用基于KPCANet模型获取训练样本及测试样本的深层特征;然后,用LDA监督层对KPCANe
针对实际主动控制系统中,次级通道随着传感器位置、作动器输出特性变化而实时改变这一问题,将小波变换思想引入到在线辨识算法结构中,改进在线辨识算法.通过小波变换将误差信