全机模型大迎角侧向力控制的实验研究

研究和验证了在风洞模型试验雷诺数为70万情况下,在大迎角细长旋成体头部安置非定常小扰动激励器来控制非对称流动从而控制侧向力的技术.利用大迎角细长旋成体非对称流动的主动流动控制技术,在DBM-1全机模型大迎角状态下,以很小的能量输入为代价得到了可控的侧向力和偏航力矩.     

一种孔径和频率二维稀疏的步进频SAR成像方法

 步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。     

未知互耦条件下混合信号波达方向估计

阵列天线互耦对导向矢量的扰动以及信号相干性对数据协方差矩阵造成的秩损,使得基于子空间正交性原理的超分辨波达方向估计(Direction-of-Arrival,DOA)算法性能恶化,甚至失效。针对这一问题,提出一种在相干与非相干信号混合状态下无需阵列互耦补偿的特征矢量平滑DOA估计算法。该算法对部分阵元接收数据的协方差矩阵特征分解,将得到的特征矢量平滑处理后构造等效协方差矩阵,抑制阵列互耦影响的同时完成混合信号DOA估计。在阵列互耦和信号相干性均未知的条件下,正确估计了信号DOA,无需互耦参数估计或补偿。计算机仿真结果验证了算法的有效性。     

网络性能指标及测量技术

主要介绍了网络性能评价的指标、方法、协议、工具.并自行设计基于JAVA的SNMP网络管理软件,采集到了的流量和拓扑结构情况.     

铁酸铋/GO复合燃速调节剂在丁羟推进剂中的应用

采用水热法制备了BiFeO3、BiFeO3/GO、钾离子掺杂BiFeO3/GO及铈离子掺杂BiFeO3/GO四种复合材料,研究了材料结构、形貌及其对HMX热分解的催化作用,结果发现铈离子掺杂能够有效降低掺杂铁酸铋的粒径分布,铈离子掺杂的BiFeO3/GO对HMX的热分解表现出很好的催化作用,使之热分解起始温度从281℃...     

固体发动机喷管延伸锥展开前级间分离的热环境分析

通过FLUENT流场计算软件,采用RNGK k-ε湍流模型,针对带有延伸喷管的多级固体发动机级间热分离的热环境进行了数值分析。研究表明,延伸喷管尾流受到连接筒、前封头、延伸段的阻碍后,其流动特征变化显著,尤其在一级前封头的影响下形成回流,并在喷管内形成激波。计算得到的热环境参数,对发动机的热防护设计具有一定的参考价值。     

固体火箭发动机不点火自毁爆炸危险性研究

根据中能固体火箭发动机的自毁爆炸特点及发动机自毁模拟试验的结果。结合过去固体火箭发动机的研制经验。提出了中能固体发动机不点火自毁爆炸危险性的计算方法。并对三级火箭固体火箭发动机不点火自毁时的爆炸TNT当量,碎片飞散距离和冲击波超压安全距离进行了计算和分析,为导弹自毁爆炸危险性分析提供了参考。     

圆盘多环内双梁谐振陀螺的结构设计和制备方法

多环陀螺由于其对称性好、机械性能优异、能耗低、效率高等特点成为MEMS陀螺领域高性能惯性器件的代表.基于MEMS多环陀螺的发展现状,针对现有多环陀螺结构刚度较大、灵敏度较低的现状,提出了一种新型的圆盘多环内双梁孤立圆环谐振陀螺,通过内双梁的柔性降低了结构刚度,提高了谐振器的灵敏度.对多环谐振陀螺的主要结构进行了详细设计,对多环陀螺的振动模态进行了有限元分析.同时,提出了基于绝缘体上硅(Silicon on Insulator,SOI)工艺和基于阳极键合工艺的两种制备工艺,进行了工艺流程的设计.     

逆金字塔式安全着陆点选择方法

针对现有地外天体软着陆安全着陆点选择方法的不足,设计了逆金字塔式安全着陆点选择方法,结合着陆器的落点精度和自主避障及地形坡度适应能力,建立了基于平整点、安全着陆点、可靠避障点和标称着陆点的地形安全性分析与定量搜索模型,该模型呈四层逆金字塔结构,每一层搜索的结果作为下一层搜索的输入,从弱约束到强约束逐步收敛至100%地形安全着陆区,嫦娥五号探测器飞行结果表明该方法能够快速确定安全着陆区及标称着陆点,并有效指导着陆下降过程的标称航迹设计和轨道控制策略制定。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题，提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法，算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节，以充分利用模型中的低层特征，增加细节信息；改进模型的区域生成网络，加入多种滑动窗口，从而优化了模型锚点的长宽比设置，提高检测能力。实验表明，改进Faster RCNN模型取得最优的缺陷检测结果，对于小缺陷目标仍取得较好的检测精度，从而验证了算法的有效性。