基于机器学习相似度算法的Kp指数预报

基于机器学习中的相似度算法,建立了在历史太阳风数据中寻找与当前太阳风特征相近事例的推荐模型,用来预报地磁Kp指数.使用1998-2019年间随机选择的120个太阳风事例作为测试数据集,该模型能够推荐得到历史上与输入太阳风造成相似地磁影响的太阳风事例,最优事例的Kp指数与实际值的均方根误差为0.79,相关系数为0.93....     

多支点柔性转子系统临界转速稳健设计方法

基于响应面法和容差模型提出了定量考虑参数变差影响的转子系统临界转速稳健设计方法。该方法利用响应面模型获得多参数、多目标之间的函数关系,并以多阶临界转速分布为约束条件、以临界转速对支承刚度变差敏感度最低为设计目标。对小涵道比涡扇发动机低压转子系统临界转速稳健设计结果表明:在考虑各支点支承刚度变差情况下,采用多参数、多目标稳健设计方法,可保证多支点柔性转子系统的临界转速特性在满足设计要求的同时,转子系统临界转速对支承刚度变差的敏感度最低,验证了该方法的有效性。      

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题，提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先，利用伪状态理论，通过简单迭代设计中途修正的初值，并通过Vinti预报方法修正了地球扁率的影响。然后，在求解精确解时，提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值，降低了求解地月转移轨道中途修正问题的难度，而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明，该算法可有效求解中途修正问题。     

一种低轨双星雷达信号无模糊频差估计算法

针对低轨双星组合接收低脉冲重复频率(LPRF)雷达信号的频差(DFO)估计存在模糊的问题，提出一种基于时差差分的频差无模糊高精度估计算法，该算法通过对高精度的时差测量值进行中心差分获得无模糊的频差估值。仿真结果表明，新算法能对PRF低至300 Hz的雷达信号进行无模糊的频差估计，估计精度在信噪比高于15 dB时逼近克拉美劳下界，可有效扩大低轨双星时/频差定位系统对LPRF信号的适用范围。     

基于TLE的弹道系数计算方法及应用分析

针对仅使用两行要素（Two Line Element，TLE）作为数据源的应用需求，研究了基于TLE轨道衰减的弹道系数计算方法。介绍了一种常用的基于两组TLE的直接计算法，分析TLE选取间隔对结果精度的影响；提出了一种基于多组TLE的迭代计算方法，以降低异常TLE对计算结果的影响；从弹道系数计算效果、在再入预报中的应用等方面对这两种方法进行比较分析。结果表明，两种方法各有优劣，基于多组TLE的迭代计算法稳定性更高、受TLE精度的影响更小；由于数据区间更短，基于两组TLE的计算结果对短期轨道衰减特性反应得更准确，用于临近再入时的预报效果更好。     

基于十二烷基苯磺酸固化季戊四醇丙烯醛树脂的粘结体系流变特征及反应动力学研究

为实现季戊四醇丙烯醛树脂(PEAR)/十二烷基苯磺酸(DBSA)体系在浇注PBX炸药中的应用以及获得该体系在工程应用中的工艺温度参数,采用粘度实验研究了体系的粘度特性,采用动态差示扫描量热法(DSC),通过模拟n级反应动力学模型、Kissinger微分法、Ozawa积分法以及Crane方程研究了体系的固化反应动力学。结果表明,50℃以上PEAR粘度几乎不受转速影响,PEAR与DBSA质量比大于25∶1,可保证浇注过程的顺利进行。PEAR/DBSA体系的凝胶化温度为345.92 K,固化温度为383.83 K,后处理温度为411.46 K。PEAR/DBSA体系固化反应为放热反应,反应的表观活化能为74.84 kJ/mol,指前因子为2.54×109min~(-1),反应级数为1.02,反应热为190.66 J/g。     

影响压力测量审核结果的因素分析

对压力测量审核实际工作中影响评判结果的几个典型因素进行了详细分析,给出了解决问题的合理化建议,有助于提高实验室校准结果的准确性,保证测量审核评判结果的合理有效。     

时间序列法在临近空间大气风场预报中的应用

受多种因素影响，临近空间大气环境要素复杂多变，预报难度很大.本文采用时间序列法中的自回归滑动平均（ARMA）模型对临近空间大气风场开展统计预报方法研究，基于廊坊（39.4°N，116.7°W）中频雷达在88km高度的大气纬向风数据开展预报试验.本次预报试验的样本数据为2015年9月24日至10月24日风场数据，利用过去7天数据对未来第8天风场数据进行预报.试验结果显示，ARMA模型对临近空间大气风场预报有一定的适用性.当风场变化规律性较强，即样本数据风场呈现出比较显著的24h周期性变化时，ARMA模型预报效果较好；当风场发生突变时，预报效果变差.与实测数据的对比结果表明，ARMA模型预报结果的误差在9~27m·s-1，预报效果优于同阶自回归（AR）模型，略优于高阶AR模型.      

基于SVM和EKF的高超声速滑翔飞行器轨迹预报

高超声速滑翔飞行器（HGV）拦截问题中，轨迹预报是成功拦截的重要基础。针对HGV机动能力强、轨迹多变的特点，提出了一种基于支持向量机（SVM）和扩展卡尔曼滤波（EKF）的轨迹预报方法。在HGV的滑翔段机动模式分析的基础上，将HGV的机动运动分解为纵向运动模式和侧向运动模式，进而对运动模式的特征参数予以标定，形成SVM的训练集。建立地基单雷达轨迹跟踪模型，采用EKF对HGV滑翔段轨迹进行稳定跟踪并实现对运动模式特征参数的估计。基于SVM，建立了HGV运动识别框架，实现了对HGV滑翔段轨迹的预报。对平衡滑翔和跳跃机动2种典型机动模式进行数学仿真验证，结果表明，所提方法可以提高对该类目标的轨迹预报精度。