春日，逍遥于波影湖光/汾湖田歌

“水光潋滟晴方好，山色空蒙雨亦奇”，春天是游湖的最佳季节。因此，趁着这美好时光，让我们去湖边，江中，在一江的春水中，在两岸的红桃绿柳中，寻找属于我们的那份似水流年的快乐。闲时，家人或好友共坐于湖边，或垂钓，或赏鸟，或野餐，或听一曲丝竹，或唱一首田歌，或看烟柳云起，或看夕阳晚照，那既是一种生活，同时也是一种无言的温情及浪漫。风和日丽的日子，泛一叶扁舟，荡漾于湖光山色中，让情谊在如酒的春风中慢慢沉醉。     

基于特征截面法的协调叶片颤振分析

该文利用特征截面法,以NASA67转子叶片为例,把三维叶片模型分别简化为单自由度和双自由度模型,然后把三维叶片的气动力、位移、速度插值到特征截面上,把气动载荷表示为截面位移、速度等参数的函数,通过求解特征截面的振动方程来获得特征值,从而来考察系统的颤振稳定性.     

数字孪生在工艺设计中的应用探讨

数字孪生作为赛博物理系统的关键技术,能够对物理世界进行数字化描述并有效管控产品全生命周期的数据,为实现产品研发生产中各种活动的优化决策提供了新的思路。对数字孪生的概念和研究进展进行了概述,针对当前CAPP(计算机辅助工艺设计)研究中存在的两个问题,引入了实作模型的概念,提出了数字孪生环境下CAPP的设计框架,最后探讨了基于实作模型的实时工艺决策和基于数字孪生的工艺知识挖掘技术。     

走向国际化的Ameco--访Ameco公司市场销售部高级部长简·布茨曼

M:请您简要介绍一下公司的历史、现状以及业务范围。简·布茨曼:北京飞机维修工程有限公司(Ameco)是中国国际航空股份有限公司和德国汉莎航空公司合资经营的企业,成立于1989年,现有职工近4000人。Ameco是中国民航最早的合资维修企业,积累了丰富的经验,提供商用飞机、发动机、附件的修理和大修服务,以及培训和计量校验服务。公司去年总收入16亿元,预计今年还会增长。今年Ameco的形势非常好,业务量呈上升趋势。预计到2008年,产能(修理能力)将增加2倍。我们目前的努力方向是扩大国际因造成的航班不正常率由合资初期的10.96‰降至现在的3.94‰…     

空间电源技术的发展

空间电源技术的发展马宗诚；李雨庆空间电源系统是各种航天器中必不可少的关键系统之一。它一般占整个航天器重量的１５％～３０％，是航天器完成预定任务必不可少的前提和保证条件。随着航天活动的进一步开展、航天技术的进一步开发利用，对空间电源的要求也越来越高，总...     

MMA传感器与电子战系统合同即将签订

Boeing公司即将就研制供美海军使用的多任务海上飞机(MMA)的传感器及电子战(EW)系统与 Northrop Grumman公司敲定一项合同。作为MMA的总承包商,Boeing公司与后者的合同谈判已进入了最后阶段,这使得 Northrop Grumman公司很可能正式成为MMA计划的主要转包商,负责该飞机传感器和EW系统的开发与生产。Northrop Grumman公司将负责给MMA提供电子战支援侦察(ESM)系统、自卫系统以及光电/红外(EO/IR)监视系统。为了开发ESM系统,Northrop Grumman公司投入的技术支持包括该公司研发运用在 F 35 联合歼击机(JSF)和阿联酋 F 16Blo…     

模块化多旋转关节空间太阳能电站方案设计

文章基于多旋转关节空间太阳能电站（MR-SPS）方案,以降低远距离高压电力传输技术难度为核心,提出一种更新的模块化多旋转关节空间太阳能电站概念。该方案在分布式太阳电池分阵和多导电旋转关节基础上,对于微波发射天线阵也进行了模块化设计和分布式布局,实现了太阳电池分阵和微波发射天线分阵的一一对应,形成多个独立的太阳能发电与能量传输模块,通过模块的扩展实现整个空间太阳能电站。该方案大幅简化了空间电力传输与管理的复杂性和在轨组装的难度。同时各个模块完全独立,组装后即可单独工作,也提高了系统的可靠性。     

智能化舰船要害检测、轨迹预测与位姿估计算法

准确检测与打击舰船要害部位可有效提升反舰导弹毁伤效能。针对舰船要害部位检测精度低、导引误差解算精度不足等问题，提出基于深度学习的舰船要害关键点检测、轨迹预测与导引头位姿估计算法。融合深层语义信息与浅层定位信息，采用SoftPool池化保留细粒度特征，提升多角度多尺度舰船要害部位检测精度；将关键点检测结果与舰船空间结构建立映射，解算导引头三维位姿；引入长短期记忆网络挖掘要害打击点时空特征，实现多尺度舰船要害动态轨迹预测。实验结果表明：所提算法对舰船要害部位检测与轨迹预测精度高，导引头位姿估计结果较准确，满足自主突防视角反舰导弹对复杂海战场的态势感知需求。     

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景，但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题，提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示，以引导构建更关注行人前景区域的局部特征，达到语义对齐的目的，减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征，利用协同学习平均模型生成行人重识别模型的多标签表示，减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型，提高行人重识别模型的识别能力。实验结果表明:在Market-1501→ DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上，与NRMT方法相比，平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%，多标签协同学习方法具有显著的优越性。