高超声速进气道起动特性数值研究

进气道的起动能力决定着冲压发动机可能的工作范围,针对由于来流马赫数引起的进气道不起动现象,采用CFD技术开展了高超声速二维进气道起动与不起动过程的数值计算,并检验了一种改善进气道起动性能的边界层抽吸法。结果表明,进气道不起动的主要原因是非定常过程引起的内收缩段边界层分离和分离激波,进气道性能变化的突跃点为起动和不起动的分界点,边界层抽吸可以明显改善进气道的起动性能。     

利用AOS插入业务实现伪码测距的实验验证

通过搭建桌面联试系统对利用高级在轨系统(AOS)插入业务实现伪码测距方案进行实验验证。实验系统包括星上插入和地面提取2个过程。用设计电路模拟测距环路，主要验证测距伪码在插入和提取过程中处理时延的稳定性。实验结果表明，时延的稳定性能够满足测距要求。由此说明插入法可用于伪码测距。     

基于WEB的制造过程分析工具

产品和制造过程设计需要多方面的知识和经验.在今天面临全球市场激烈竞争的情况下,需要一系列的工具来管理、利用过去产品设计制造中所获得的重要的知识和经验.在过去的几年中,因特网技术发展迅速,web技术正在越来越多地应用于产品的开发过程中.Java是目前最流行的网络编程语言.本文提出了一种基于web的制造过程分析工具的解决方案,讨论了web基应用系统的框架和基于web的制造过程分析工具的实现方法.     

发展先进复合材料 助力中国航空事业——访氰特工程材料公司中国区技术服务经理白嘉模

"没有材料是做不成飞机的,材料占飞机质量的69%,发展大飞机,材料要先行."从两院院士师昌绪先生这番谈话中可以看出材料对我国航空工业发展的重要意义.     

CIMT2009,金融危机中的契机——访中国机床工具工业协会副总干事长王黎明

[编者按]由中国机床工具工业协会主办,并与中国国际展览中心集团公司共同承办的第11届中国国际机床展览会(CIMT2009),将于2009年4月6-11日,在北京中国国际展览中心(新馆)举行,此次展会主题为"汇集世界最新技术精华,满足装备制造业发展需求".在2009年2月28日CIMT2009新闻发布会期间,本刊记者采访了中国机床工具工业协会副总干事长王黎明先生.     

脚踏实地自主创新应对挑战赢取未来——访中国机床工具工业协会总干事长吴柏林

[编者按]随着世界科技进步和机床工业的发展,数控机床作为机床工业的主流产品,已成为实现装备制造业现代化的关键设备.同时,全球制造业的快速发展也对机床行业提出了越来越高的要求,"高速、高精、复合、智能、环保"已成为未来机床发展的必然方向.近日,本刊记者就国内机床发展的现状以及对未来机床的展望等业界关心的问题采访了中国机床工具工业协会总干事长吴柏林.     

未来制造技术致力于提高全球生产力——访美国机械制造技术协会中国首席代表李星斌

[编者按]美国机械制造技术协会(AMT)自1902年创立至今,一直致力于全球生产力的提高,目前已经成为国际机床及机械制造行业不可或缺的服务机构.AMT不仅是中美两国制造企业信息,技术交流的桥梁和纽带,也为全球制造业整体生产力的不断提高贡献着自己的力量.2008年,美国金融席卷全球,对整个制造业带来了不小的冲击.借CIMT2009即将来临之机,本刊记者采访了美国机械制造技术协会中国首席代表李星斌先生.     

PTC推出优化人机交互的Pro/Engineer Mankin

数字化人体建模技术--Pro/Engimeer Mankin 近日,PTC公司推出的Pro/Engineer Mankin是一款能够使设计团队在3D产品的设计模型中插入3D数字化人体造模解决方案,用以模拟仿真及实现人机互动.     

一种基于Spark的国产化海量数据预处理和计算技术

以提升航天大数据软件的数据处理性能为目的,以原有的MapReduce框架为基础,提出一种新的面向国产平台的基于Spark内存计算和数据预处理技术相结合的技术。将原软件框架的数据解析算法前移,采用Kafka消息队列对不规格数据进行分布式预处理。针对MapReduce框架消耗内存过大的问题,利用RDD调用机制与Spark内存计算的优势,采用一种基于Spark的快速处理框架,并在国产平台上进行了移植适配。经工程验证,新的基于Spark框架的数据处理性能较之前的MapReduce的数据处理性能有了显著提升,稳定实现了在面向全国产平台的大数据批处理技术的性能优化。     

结合颅骨形态特征与神经网络的民族判别

针对颅骨民族判别问题，提出结合颅骨形态特征与神经网络的判别方法，可以推进法医人类学的发展，加快探索民族发展历程。首先，根据颅骨形态学相关研究，提取36个维吾尔族和汉族颅骨数据的几何特征；其次，采用反向传播神经网络（BPNN）对特征向量进行民族判别，并通过Adam算法对网络进行优化，避免陷入局部最优值，添加正则化项保证算法稳定性；最后，分别采用2种网络结构进行对比实验，输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2，并设置不同初始学习率进行对比实验。结果表明:隐藏层神经元个数为12、学习率为0.000 1时，分类精度最高，测试阶段平均准确率最高为97.5%。为了验证所提方法的普适性，生成116例国外颅骨数据进行实验，测试阶段平均准确率为90.96%。相比较于支持向量机（SVM）、决策树、KNN、Fisher等机器学习方法，所提方法学习能力更强且分类精度有明显提升。