更高速(400+km/h)列车气动减阻技术发展与展望

合理有效的气动减阻技术是我国研发运营速度400+?km/h高速列车的过程需展开深入研究的重点内容.首先阐述了高速列车气动阻力的基本分布特征,并针对国外下一代更高速列车的气动减阻技术进行了调研,尤其分析了欧洲、日本和韩国的下一代更高速列车气动减阻技术的特征,总结了国外下一代高速列车气动减阻的关键技术与方法.然后根据列车气动减阻技术实施部位的差异,从列车头型优化以及转向架、受电弓和风挡等局部结构优化两个方面对我国目前高速列车气动减阻技术研究现状进行了分析和梳理,同时归纳了新型气动减阻技术的研究现状.最后在综合国外下一代更高速列车气动减阻技术与我国气动减阻技术研究的基础上,对我国更高速(400+?km/h)列车气动减阻技术中可行性较高且效果明显的发展方向进行了展望与建议,为我国更高速列车气动减阻技术的设计与发展提供有价值的参考.     

散射对高温气体-碳黑颗粒混合物辐射传输的影响

基于全光谱k分布(Full spectrum k distribution,FSK)模型、MIE理论和有限体积法(Finite volume method,FVM),构建了均温、均质辐射参与性气体-碳黑颗粒混合物介质热辐射传输模型,并分析了碳黑不同尺寸、不同体积浓度以及介质不同路径长度和不同温度条件下,因忽略碳黑颗粒散射所导致的介质热辐射传输特性(如辐射热流、辐射源项)的计算误差。研究结果表明:体积分数不变,增大粒径,计算误差呈现出先增大后减小的趋势;数密度不变,增大粒径,或者粒径不变,增大体积分数,均将使得计算误差相应增大;粒径、体积分数不变,增大路径长度,或者升高介质温度,均将增大计算误差。通常对于含有大颗粒、高碳黑浓度的辐射参与性气体-碳黑颗粒混合物介质,碳黑颗粒散射不能忽略。     

基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

抗辐照通用扩展SiP芯片设计

研究微小卫星综合电子系统的SiP技术实现方法。首先介绍微小卫星综合电子系统结构的组成和采用SiP技术的必要性，然后对综合电子系统进行功能模块划分，并对其通用扩展模块进行详细的SiP设计，包括抗辐照器件选型、原型验证、SiP原理图、基板管壳一体化设计、建模仿真、制造加工、实装测试验证等，通过SiP技术实现了一种星载综合电子系统中通用扩展SiP芯片产品，经过实际验证测试，在保证模块功能和性能的前提下，整体模块重量从230 g减轻到48 g，体积由180 mm?130 mm?17 mm减小到46 mm?46 mm?8 mm，很好地满足了星载功能模块小型化、轻量化设计需求。     

具有复杂围护结构光学窗口的传热特性分析

针对具有复杂围护结构光学窗口传热特性,建立了高热流作用下的光学窗口及其复杂围护结构的辐射-导热传热模型,分别讨论了窗口的辐射半透明、光谱选择性、外部加热热流以及窗口尺寸对其瞬态温度响应的影响。结果表明,忽略窗口半透明特征会产生最大31.4%误差,忽略光谱选择性会产生最大40.4%误差;窗口外部气动加热热流影响显著,温度响应随热流的增大而急剧增大;窗口厚度对其传热特性的影响较大,随着厚度的增大窗口温度响应减小;而窗口半径产生的影响可忽略不计。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。