手持式手机对驾驶安全的影响研究

驾驶过程使用手机影响交通安全虽然有普遍认知,但对驾驶影响到何种程度没有量化结论。为获得行车中驾驶人拨打手机对驾驶和行车安全的影响,在汽车试验场内进行实际行车试验。试验通过随机选定驾驶员并根据技术水平分组,测定非驾驶状态下完成拨号任务所需时间,然后测定在驾驶状态下完成拨号任务的时间、行驶距离、车速变化和车道偏离次数。运用统计分析方法,分析各组驾驶人相关参数变化规律。结果表明,驾驶人使用手机过程中,会造成车辆偏离行驶轨迹、车速下降等现象,影响车辆行驶状态稳定性,对于突然出现的紧急情况,无法准确应对。     

航天测控领域质量意识现状分析及培养途径

质量意识在航天测控领域至关重要,分析评估了该领域当前质量意识水平和存在问题,针对当前状况提出了改进和提高组织质量意识的方法,为该领域内各组织进行质量意识培养提供了方向和途径。     

基于民航气象数据库的预报业务系统开发

一、民航气象数据库系统简介民航气象数据库系统于2008年7月1日正式投入业务运行,该系统以民航华北气象中心为主节点,通过ATM网络与地区气象中心(6个)、空管分局站(37个)构建民航气象广域网络,来实现民航气象数据资料的共享与传递。     

核电厂冷却塔水汽扩散影响因素的分析

应用计算流体力学(CFD)技术软件STAR-CD提供的k-ε(RNG)湍流模型与拉格朗日离散相模型(DPM)相结合对Chalk point电厂冷却塔附近流场以及该冷却塔水汽抬升与扩散规律进行了相关的验证,并与SACTI模式预测冷却塔水汽抬升与扩散规律以及Meroney采用CFD技术的计算结果进行比较。基于该验证结果,分别对不同环境风速、环境温度、环境湿度、冷却塔水汽排放温度对水汽扩散的影响进行了相关的研究。结果表明,环境风速与环境温度对冷却塔水汽扩散的影响较大,而环境湿度对冷却塔水汽扩散的影响次之,冷却塔水汽排放温度对水汽扩散的影响较小。并且随着环境风速与环境温度的增大,冷却塔水汽地面沉积浓度逐渐降低;随着环境湿度的增大,冷却塔水汽地面沉积浓度也逐渐增大;随着冷却塔水汽排放温度的增大,水汽地面沉积浓度也略降低。     

一种模拟视频信号亮度对比度校准方法

本文针对模拟视频信号长距离传输后信号衰减和偏移的问题,提出一种软件自动校准的方法。通过分析源端发送的校准图样,调整视频AD芯片的增益和偏移参数,达到最佳的亮度和对比度校准效果。     

抗振晶体振荡器的仿真设计CSCD

本文介绍了利用仿真软件进行抗振晶体振荡器设计的方法,通过建立晶体振荡器结构仿真模型,对其力学特性进行深入细致的分析,并在此基础上对比分析减振材料的剪切模量和被减振物质量对晶体振荡器抗振性能的影响,优化晶体振荡器减振结构。然后,根据仿真设计制做了抗振晶体振荡器,并进行了随机振动试验。结果表明,试验现象与仿真结果基本一致,验证了仿真分析的有效性,且振动下晶体振荡器相位噪声达到-145d Bc/Hz@1k Hz,极大地提高了晶体振荡器的抗振性能。     

两种MCrAlY涂层/DD6合金的循环氧化和互扩散行为

在DD6单晶高温合金基体上,利用电子束物理气相沉积(EB-PVD)技术制备Ni Co Cr Al Y涂层,采用低压等离子喷涂(LPPS)技术制备Ni Co Cr Al YHf Si涂层,通过扫描电镜(SEM)、X射线能谱(EDS)、X射线衍射(XRD)、电子探针显微分析(EPMA)等手段研究了在1100℃下的热循环氧化和互扩散行为。结果表明,涂层显著提高了DD6基体的抗氧化能力,经100h的循环氧化后,涂层表面氧化层主要成分仍为α-Al2O3,依然发挥着较好的抗氧化保护作用。这两种涂层与基体之间形成了互扩散区(IDZ)和二次反应区(SRZ),IDZ和SRZ的厚度均随着循环氧化时间延长而增大;SRZ中析出的棒状与颗粒状的拓扑密堆相(TCP)含有W、Re、Mo等高熔点元素,其质量分数分别高达37.51%、14.22%和10.61%,TCP含量随着氧化时间而增多。活性元素Si、Hf对涂层中富Cr相和TGO的增长速率均有一定的抑制作用。     

高频电磁波调制电离层产生ELF／VLF辐射的研究进展

回顾了利用大功率的高频电磁波调制电离层自然电流产生ELF/VLF电磁辐射的发展情况.介绍了典型加热设备的系统参数配置情况以及地面和卫星上检测ELF/VLF信号的实验结果.总结了提高ELF/VLF产生效率等问题的进展情况,尤其是"波束扫描"技术的理论研究和应用发展.提出了该技术下一步需要研究及解决的问题.     

机器人在航空航天加工工业中的应用

本文主要介绍了机器人在喷涂、焊接、清除涂料、胶合、钻孔和铆接、传送工件、测量及无损探伤等航空航天加工工业中的应用情况;并介绍了示教再现式机器人、具有一定适应能力的机器人、以及智能机器人目前的应用水平;最后简要地提出今后发展机器人产品的三个主要途径。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法，通过对翼型几何特征提取、压力分布曲线的参数化，建立了卷积神经网络模型（CNN），并利用计算流体力学（CFD）的计算结果作为其训练样本，实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98，基于深度学习的计算方法耗时1.7 s，CFD方法耗时大于50 s，计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。