圆球绕流场的尾涡分析和升阻力研究

采用自编的分块算法程序模拟了雷诺数在20～1000之间的圆球绕流场.在Re=25时捕捉到流动分离,与试验结果一致.对Re=250时稳态非对称尾流区内流体的输运情况进行研究,证实圆球绕流场中纵向对称面的存在.对于非稳态流动,主要研究了阻力和横向力的时间变化规律,并分析了频谱特征.计算发现横向合力主要在横截面上两个很窄的区间内偏移.经过几种不同涡定义方法的优劣测试,本文采用Hunt等人介绍的Q-定义方法对非稳态绕流场的尾涡结构进行了直观描述.     

系级教学档案管理模式研究

系级教学档案有自身的特殊性，并且形式多种多样。通过对系级教学档案的类型分析，坚持科学的系级教学档案整理工作的原则，才能高效完成系级教学档案的管理工作。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。     

含噪信号经验模式分解虚假分量识别方法

针对含噪信号Hilbert-Huang变换存在虚假分量,提出改进的奇异值分解(SVD)方法进行降噪,改进包含两个部分:一是利用重构相空间代替传统矩阵如Hankel矩阵,以去掉信号冗余,再者提出奇异值能量熵分量差分法,更易于定出重构奇异值阶次;二是提出了频谱比值法对虚假分量进行辨识,更有效辨识出虚假分量.首先利用经验模式分解(EMD)得到本征模式分量(IMF),识别并剔除趋势项,重构信号,然后进行SVD,重构降噪后的信号,消除虚假分量,最后进行时频分析.联合方法应用于含噪仿真信号,信噪比(signal noise ratio,SNR)提高了5.5%,虚假分量辨识率提高至100%,用于双跨转子故障振动信号,得到正确的时频结果,表明了所提方法识别含噪信号虚假分量的有效性.     

一种四元数矩阵建模的彩色图像质量评价方法

针对彩色图像的质量评估问题,提出了一种基于四元数矩阵模型的图像质量评价方法。利用四元数矩阵对彩色图像建模,构造出图像的四元数矩阵模型;对矩阵进行奇异值分解,得到一组奇异值向量;计算标准图像与失真图像对应奇异值向量间的欧式距离,获得失真映射图谱;由失真图谱计算两幅图像间的全局误差,作为失真图像的质量评价结果。通过对几组不同类型失真图像的评价测试,结果表明,方法对图像质量的客观评价结果与主观感知有较高的一致性,并且能够从失真映射图谱判定图像的失真类型。     

基于阻塞流的机场终端区极限容量评估研究

为确定机场终端区最大容量保障能力,即极限容量,从终端区运行特点分析出发,综合考虑进离场航线长度、飞行速度、管制间隔等因素,构建进离场网络流模型,并以跑道Pareto容量包络线作为约束,分析进离场航线网络与跑道的耦合关系,建立基于阻塞流的机场终端区极限容量评估模型。以杭州萧山机场终端区为例,验证了模型的可行性和准确性,并借助模型分析了不同流量控制策略下终端区容量包络线的变化趋势。研究表明,随着移交间隔变大,终端区容量包线有内移的趋势,进场容量由33架次/h逐步降为25架次/h。     

一种基于稀疏分解的微多普勒频率估计算法

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达同波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪（MP）具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。-     

基于独立性的民用飞机研制保证等级分配方法分析

介绍了为民用飞机/系统功能和软硬件分配研制保证等级的基本原则和降级原则,确定了实施研制保证过程严格度的方法,分析了功能独立性和项目研制独立性对研制保证等级分配的影响,给出了基于独立性的研制保证等级分配方法。举例说明了该方法的实施步骤和有效性。     

卷帘行存储下的一种并行Cholesky分解及其在PAR95上的实现

Ｃｈｏｌｅｓｋｙ 分解在科学与工程计算中占有重要的地位，串行的 Ｃｈｏｌｅｓｋｙ 分解已有成熟的方法，但并行的 Ｃｈｏｌｅｓｋｙ 分解方法要充分考虑机器体系的结构，在拥有共享内存的 Ｍ Ｉ Ｍ Ｄ 型多处理机、 Ｓ Ｉ Ｍ Ｄ 型向量机系统上前人已有较好的工作，本文给出适用于 Ｍ Ｐ Ｐ 大规模并行计算机的卷帘行存储行格式的并行 Ｃｈｏｌｅｓｋｙ 分解算法，该算法使用了优先计算优先发送的策略，减少了结点机之间相互等待的时间，建立了结点机之间用于通讯的通讯数组，避免了使用撒播这一通讯模式，减少了通讯时间，通过在 Ｐ Ａ Ｒ９５ 上的数值试验表明，随着问题规模的扩大，并行效率越来越高，并且该法容易推广到多行卷帘存储的形式。