抛物线喷管型面参数对流动分离影响的数值模拟

为了研究抛物线喷管型面的3个参数——初始膨胀圆弧半径、入口角和出口角的变化对喷管流动分离过程的影响规律，模拟了不同参数组合下的抛物线喷管流场参数，获得了喷管流动位置、分离模态随集气室压强增加的变化过程.结果表明:这3个参数能够影响发动机起动过程中喷管流场的发展过程.在一定范围内分离模态转换喷管压比（NPR）与初始膨胀圆弧半径呈正相关；通过合理设定入口角和出口角，可以推迟和缩短受限激波分离过程，为解决彭冠侧向载荷问题提供了可能的方向.      

频率选择表面（FSS）柔性屏铺覆工艺对透波窗口透波性能的影响

为了研究工程中柔性FSS屏铺覆工艺对透波窗口通带插损的影响，设计并制备了几种不同工艺缺陷的平板，采用自由空间传输反射法研究了平板在不同入射角下的通带损耗。结果表明：拼接缝隙使通带损耗在0°和60°入射角下增加了0.3 dB；拼接褶皱使通带损耗在0°入射角下增加了0.77 dB，在60°入射角下增加了1.55 dB；多层间FSS错位使通带损耗在0°入射角下增加了0.3 dB，在60°下入射角增加了1.05 dB。拼接褶皱对周期结构破坏最大，因此使通带损耗增加更大，在大入射角下通带损耗增加更加明显，在铺覆工艺时应尽量避免破坏柔性FSS屏的完整性。     

基于深度学习的电力数据分析研究

针对传统电力数据分析方法存在适用范围有限、模型复杂等导致电器分类准确率较差的问题,提出了一种基于多层堆叠长短期记忆(Long short-term memory,LSTM)网络的电力数据分析模型。首先,根据电力数据的频谱图、Mel频率倒谱系数(Mel-Frequency Cepstral Coefficient,MFCC)和Mel频谱图提取电力数据的特征,然后将其应用于深度学习模型并提高分类任务的性能,从而改善过拟合问题。其次,建立了一个多层堆叠LSTM模型,从而有效提高模型的分类和回归能力。最后,提出了一种改进的软独热编码和多尺度训练方法,从而防止峰值概率分布,提高模型的泛化能力。实验阶段,以家庭电力数据集为例,对所提模型进行验证。仿真结果表明,所提模型软独热编码及多尺度训练对加快训练效果具有一定效果,最终分类准确率到达89.85%。