罗斯韦尔事件与UFO（三）

十一、异常相似 　　在华盛顿进行的三个实验阶段中,在场的职业插图画家金伯利把小杰西的回忆仔细描述出来--带符号的" I"字形桁条。与欧文谈话后,我也让金伯利把他的描述画出来,比较发现,两幅画异常相似。连金伯利也说："他俩好像在描述同一件东西。"尤其是颜色,除欧文的稍淡一点外,两幅画的颜色相差无几。 　　最明显的差异就是小杰西的符号上下边缘有突起,这样横截面就成" I"字形。也许是他记错了,他父亲就说横截面是长方形。老杰西在 1979年接受鲍比·普拉特的采访时说："那是个标准的长方形,就像用直尺画出来的那样。"或许小…     

法国UFO着陆案例

1981年1月8日,在法国特朗·恩·普罗旺斯地区,发生了一起著名的留有物理证据的UFO案例。该案例引起了人们的广泛关注。该事件中,有人看到一只UFO降落,并在它离开后的很短时间内找到了物理痕迹。法国的一个政府机构分析了样品,并公布了不寻常的结果。事件的过程很简单,但其对环境的影响是巨大的。一位52岁的技术人员——伦纳特·尼古莱在下午大约17时,正在外面他的坡地的高处干活,这时他听到东边一声呼啸。他转过身来,看到一个物体,像“用两个盘子在边缘用胶互相粘住的有点凸出的碟形物,带有一个约20厘米宽的中心环”。这只飞碟飞过靠近尼…     

太阳微波双峰事件的初步分析

本文对1989年1月-1990年6月期间的11个微波双峰事件进行了初步的分析,发现大部分双峰事件的两个峰随频率的演化呈现出竟争的趋势。这一观测特征,可由不同的非热电子分布、或相同非热电子分布,但在相同频率上不同光厚导致谱相交特征得到合理的解释,井可得到双峰事件中两个峰产生在不同源区的推论。      

利用神经网络预报太阳质子事件后的地磁扰动

通过分析几十个典型太阳质子事件表明,具有以下特征的质子事件其后1－3天内一般有强烈地磁扰动发生：1．质子耀班级别和亮度较大（3B以上）;2．质子通量在上升阶段增加很快,而在下降阶段相对来说衰减也很快（尤其是在峰值附近）;3．电子通量远远大于质子通量并且和质子通量有相似的变化规律．在此基础上,利用神经网络预报太阳质子事件发生后3天内地磁扰动的趋势．     

影响地球环境的太阳质子事件的时间过程

利用1966年以来的大量太阳耀斑以及相应质子事件的资料,分析研究了质子事件到达时间和极大时间同耀斑经度位置的统计关系.结果表明当耀斑位置处于经过地球的行星际大尺度场磁力线足点位置附近时,上述两种时间过程最短.这个结果支持了太阳耀斑粒子经日冕传播再向行星际空间传播的二阶段传播模型.      

太阳耀斑显著的热和非热事件的统计特征

本文利用GOES卫星和SMM卫星软、硬X射线耀斑观测资料,分析耀斑中软、硬X射线辐射流量的分布,发现太阳耀斑存在着显著的热事件(PT事件)和显著的非热事件(PNT事件),它们主要特征是:(1)PT事件为缓变型耀斑,PNT事件为脉冲型耀斑;(2)PT事件的硬X射线谱较软,PNT事件能谱较硬;(3)PNT事件非热能量释放速率比PT事件快3—10倍;(4)耀斑发展趋缓慢,PT事件中软X射线峰值流量越大;(5)耀斑中PNT事件约占60％,PT事件约占40％.最后定性讨论了产生PT和PNT事件的可能机制.      

1989年9月29日GLE事件的特征

1989年9月29日发生了30多年来最大的地面宇宙线增强事件(即GLE事件)。本文描述这次世界范围内的大事件的主要特征,包括强度时间变化、能谱、各向异性以及地理位置上的分布特征,并简述了这次事件对地球环境产生的影响。      

基于Plant Simulation的航空发动机维修生产线工序优化

针对航空发动机维修生产线生产效率较低的问题,考虑航空发动机大修工序间关系复杂度高、动态性及工时不确定等特点,采用Plant Simulation生产系统仿真软件对大修生产线建立仿真模型。在对工序流程、维修区域和工时等分析的基础上,通过仿真模型对26个维修工序工位从堵塞时间、工作时间和等待时间3个方面进行分析,识别得出叶轮性能恢复、涡轮转子性能恢复和试车3个瓶颈工序。对不同影响因素开展仿真优化与敏感性分析,得出瓶颈工序的优化措施及效果评价。     

基于事件的无人直升机分布式飞行控制系统实现

利用中间件TAO及其事件服务机制,设计了分布式飞行控制系统。为了实现该系统,开发了公共事件服务组件(包括事件提供组件和事件消费组件),其他需要事件服务的组件对其进行简单地调用,就可以实现分布在不同计算机、不同操作系统、应用不同语言编写的组件之间的通信。仿真结果表明：这种实现方式大大增强了系统组件的重用性,使组件之间解耦,提高了系统设计的效率,降低了开发费用。     

磁层顶穿越事件自动识别算法

磁层顶是太阳风与磁层进行质量、动量、能量交换的关键区域.磁层顶穿越事件（MCEs）可通过对卫星探测到的粒子能谱和磁场数据图进行人工分析的方式来识别.因太阳风动压和行星际磁场的易变性,位于磁层顶附近的卫星经过长期观测可能会经历成千上万次的磁层顶穿越.人工分析的方法工作量巨大,而且识别速度慢.本文发展了一种新的日下点附近MCEs自动识别算法.此算法综合分析卫星探测到的粒子和磁场数据,能有效地减少误判的发生.为了验证算法的有效性,采用单CPU计算机对THEMIS卫星在2007—2018年靠近日下点附近观测到的数据进行MCEs自动识别,最终在约6h共识别出16758个MCEs.这些自动识别出来的MCEs样本可用于统计研究磁层顶相关的诸多物理问题,如凹陷磁层顶、太阳风与磁层相互作用,磁层顶磁场重联等.同时还分析了算法的精确性和局限性.