基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

一种低轨双星雷达信号无模糊频差估计算法

针对低轨双星组合接收低脉冲重复频率(LPRF)雷达信号的频差(DFO)估计存在模糊的问题，提出一种基于时差差分的频差无模糊高精度估计算法，该算法通过对高精度的时差测量值进行中心差分获得无模糊的频差估值。仿真结果表明，新算法能对PRF低至300 Hz的雷达信号进行无模糊的频差估计，估计精度在信噪比高于15 dB时逼近克拉美劳下界，可有效扩大低轨双星时/频差定位系统对LPRF信号的适用范围。     

高湍流度时全气膜涡轮叶片表面冷却和换热特性的实验研究

为获得高主流湍流度时全气膜涡轮叶片表面的冷却和换热特性,在跨声速风洞中实验研究了质量流量比(MFR)和主流雷诺数(Re)对叶片表面气膜冷却效率和换热系数比的影响。在叶片前缘布置了5排圆形孔,在吸力面和压力面分别布置了3排和6排圆形孔,实验结果由嵌入在叶片中截面的热电偶测得。实验中基于弦长的主流雷诺数的范围为3.0×105～9.0×105,叶栅出口马赫数Ma为0.8, MFR的范围是5.5%～12.5%,主流湍流度Tu为14.7%。实验结果表明:主流雷诺数升高显著增强了叶片表面的换热,使层流边界层到湍流边界层的转捩位置提前。对于吸力面S/C0.2的区域(S/C为当地弧长与弦长之比),气膜冷却效率受MFR影响明显,当MFR大于7.7%时提高MFR会导致气膜冷却效率降低;该区域的换热系数比在中低雷诺数时受MFR影响较小,在高雷诺数时随MFR升高而升高。压力面S/C-0.7区域的气膜冷却效率随MFR升高而升高,-0.7S/C-0.4区域的气膜冷却效率受MFR影响较小,对于整个压力面而言,MFR升高提高了叶片表面的换热系数。相对于叶片其它区域,压力面后半段区域和吸力面的气膜冷却效率受雷诺数影响较大。     

AIRS观测资料研究全球平流层重力波特性

利用2012—2014年1月和7月AIRS（Atmospheric Infrared Sounder）第79通道的观测数据，分析了平流层重力波活动强弱的全球分布以及重力波发生频率的全球分布；分析了重力波活动随纬度和经度的变化特征，给出了重力波活动在全球范围内的热点区域及其活动强度；对比了白天与夜间的重力波活动强度及发生频率.研究表明重力波活动强度呈现出随纬度变化的特征，在低纬度地区（0°—30°），冬季半球重力波活动强度低，夏季半球重力波活动高；在中高纬度地区，冬季半球重力波活动强度高而夏季半球重力波活动强度低.在1月，全球重力波活动有4个突出的热点区域，分别为50°N附近欧洲大陆与大西洋交接地带、北美洲与大西洋交接地，20°S附近南美洲与大西洋交接地区、非洲与印度洋交接地区.在7月，重力波活动突出的地方为巴塔哥尼亚至南极半岛地区，以及50°S和75°E附近的印度洋区域.重力波活动强度在夜间大于白天，但是夜间的强重力波活动区域小于白天.      

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。     

航天器用固态功率放大器加速寿命试验方法研究

针对航天器电子产品的寿命预示问题,文章指出对航天器电子产品开展加速寿命试验(ALT)研究,首先要利用故障模式、机理及影响分析(FMMEA),确定产品的主要失效机理和敏感应力;然后利用理论分析或可靠性强化试验确定产品的工作极限;最后设计出完整的试验方案。针对航天器固态功率放大器进行试验,验证了加速寿命试验在航天器电子产品中的适用性。     

基于神经网络的飞行器再入制导研究

论述了神经网络理论在飞行器再入制导方面的应用.在分析各方法优缺点的基础上,提出了一种基于广义同归神经网络(GRNN)模型的再入制导方法.神经网络通过一组选定的轨迹样本进行有导师训练,训练好之后作为控制指令生成器,输入为再入过程中飞行器的状态参数,输出为倾侧角控制量,迎角控制量则由迎角剖面给定.仿真结果验证了该方法在再入...