复合材料的选择与维修

从维修的角度看复合材料的选择问题,指出复合材料能提供金属所不能提供的性能,但它的成本高,维修困难,因此在选用时应精心权衡。     

航空维修策略研究

归纳了基于时间的维修、基于状态的维修、故障发现、基于设计的维修、基于故障的维修等5种基本的维修策略及其优缺点,研制了选择维修策略的流程,并对相应的维修工作进行了解释。     

Leica T-Scan——毫不妥协的测量精度

Polen Special 选择Leica T-Scan 20世纪70年代初,市面上的商用竞技型飞机或者是价格昂贵或者是性能欠佳,于是DennisPolen先生按照自己的设想建造了竞技型飞机Polen Special.从本质上说,它的原型是一架缩小比例的WWII战斗机,去掉了所有的武器装备,其速度超过480km/h,在一个时期内成为世界上速度最快的四缸飞机.     

多层频率选择表面的分析

本文科用矩量法和广义散射矩阵理论分析了平面波入射到多层频率选择表面的电磁散射特性。首先引入广义波导的概念,将单层频率选择表面(FSS)上每个单元看成两个广义波导的接头,广义波导中的本征模是周期性结构中的Floquet模,然后根据等效原理和边界面上切向场量的连续性条件得到了一个关于广义波导中模式系数的方程,用矩量法求解可得波导接头的广义散射参量。最后运用广义散射矩阵理论计算了多层FSS总的散射参量。作为示例,文中对由矩形与圆形孔阵所组成的单层FSS和双层矩形孔阵FSS的散射特性作了计算,数值结果与已有文献中给出的数据极为一致。     

Stephen Fitzpatrick 中国的有钱人很多

Stephen Fitzpatrick是此次夏季房展会上参展商中为数不多的"老外开发商"。当海外地产在今年的夏展上成为夺人眼球的"亮点"时,不少海外楼盘的推介人还是选择了国内的代理商或公司中国区负责人出席。Stephen告诉记者,尽管Kinsale资产投资集团与北京澳达天成投资有限公司合作的很愉快,但是,Stephen仍然选择了"亲自来这个广阔的市场看看"。     

静止轨道闪电光学探测的光谱选择及影响分析

闪电产生于强对流云或对流云系,是强对流灾害性天气的"示踪器"。闪电成像仪在静止轨道上利用瞬态闪电和缓变的云层、陆地与海洋等背景噪声之间存在时间、空间和光谱特性上的差异,采用光谱滤波、空间滤波、多帧-帧背景去除等三种方法组合来实现瞬态闪电的增强与探测。由于中国缺少云顶闪电辐射、闪电分布、闪电瞬态特性等参数,静止轨道闪电光学探测仪器的设计重点之一是光学探测谱段的选择与评价。针对中国存在的闪电光学性能研究不足和空基天基的光学探测手段较少的情况,在地面采用光谱仪对人工模拟闪电、自然界闪电进行光学特性探测,对获取到的地基闪电光谱数据进行分析和反演,从而得出天基闪电探测的参数选择。文章重点论述了闪电的空间光学探测仪器的探测谱段选取、仿真计算、试验验证等内容,为静止轨道闪电光学探测载荷研制提供基础数据和保障。     

全局方向模板在高阶精度非结构有限体积方法中的推广

梯度与高阶导数重构是影响高阶精度非结构有限体积(Finite?Volume,?FV)格式计算效果的主要过程,其中,不同的模板选择方式发挥了重要作用.传统的模板选择方式往往依赖于固定的网格拓扑关系,无法有效反映流动变化特征,并且随着求解精度的提高,模板单元的数量上升明显,导致找到的模板单元包含过多冗余信息的同时,显著增大计算量,降低求解效率.基于此现状,文章将基于二阶精度FV格式发展的全局方向模板推广至高阶精度FV方法,以充分发挥模板的空间延展性优势,并减少冗余的模板单元数量.此外,文章通过基于制造解的流动与真实超声速涡流两个数值算例,测试了全局方向模板的数值表现.经检验,全局方向模板的使用可有效减少重构过程所需的模板单元数量,并且计算误差相比传统基于网格拓扑的共点、共面模板更低,计算稳定性优于局部方向模板.因此,全局方向模板选择方法在三阶精度非结构有限体积方法中具有较好的数值表现,具备进一步推广与应用的可行性.     

空间激光通信系统中的信道纠错编码技术

由于空间激光通信系统的信道状态和链路捕获跟踪的不确定性,多种形式的信道纠错编码技术正被广泛发展研究。结合空间激光通信链路中误码性能的主要影响因素,分别选择合适的编码方案进行分析。通过仿真实验可知,对于在大气结构参数为1.5×10~(-14) m~(-2/3)、风速为20 m/s的空地激光链路的环境下,在系统数据速率为2 Gbit/s、要求误码率为10~(-6)时,LDPC码结合交织码相对未编码系统有3 dB的等效编码增益,LT码相对未编码系统有3.8 dB的等效编码增益。提供了一种能快速生成、扩展和校验的编码和交织实现方法,以抵抗大气湍流的快速变化对系统性能产生的影响。     

一种改进的Manifold数据降维方法研究

Manifold学习算法已经被广泛应用到很多领域,如信息检索、模式识别、人工智能和数据挖掘等。已有的Manifold学习算法对局部临近区域选择很敏感,并且降维后的数据可分割性比较差。本文提出了一种自适应临近区域选择、具有良好信息可分割性的Manifold学习算法。这种方法在每一个数据点根据数据可估算的本质维度和局部正切方向选择临近区域。与此同时,在映射数据的时候使用聚类分析法聚集相似样本点集。这种方式能确保降维数据具有良好的可分割性,获得更好的降维效果。实验结果表明,新的方法在人工生成数据集上具有更好的嵌入效果。