分析晴空湍流对飞行的影响

一、晴空湍流及其形成航空气象学中的晴空湍流通常是指出现在6000m以上高空与对流无关的湍流,但不排斥与其他云(主要指卷云)有关的湍流。飞机在睛空湍流区飞行时发生的颠簸称为晴空颠簸(CAT)。关于晴空湍流的形成,目前人们公认的是切变不稳定理论。这种理论认为,在层结稳定的大     

北京地区晴空颠簸的分类特征

引言晴空颠簸(Clear Air Turbu-lence)一般是指发生在大气6000米高度以上与强对流活动无关的颠簸。它不包括与对流性不稳定边界     

晴空环境下的地基面天线多场耦合分析及试验

大口径高频段的地基面天线在晴空环境下的热变形对电性能影响明显。针对这一问题,首先     

基于机器学习的二次电子发射唯象模型

基于机器学习和深度人工神经网络(artificial neural network, ANN)提出一种二次电子发射唯象模型。利用Vaughan模型生成先验数据集,用于训练生成描述二次电子发射一般规律的先验知识ANN模型,并在不同参数条件下验证了先验知识ANN模型的正确性。然后,分别利用银和铝合金材料的二次电子发射系数实验数据修正先验知识ANN模型,分别得到了描述两种材料的特异ANN模型。测试结果表明,特异ANN模型计算结果与实验结果相比的平均绝对误差较Vaughan模型和Furman模型降低了30%以上,与复合唯象模型精度相当或更高。在小样本条件下测试了二次电子发射ANN模型的正确性,验证了分步训练方式的有效性和二次电子发射ANN模型对于小样本集的适应性。提出的基于机器学习的二次电子发射唯象模型能够避免复杂的参数修正过程,能够基于先验知识提升模型对于小样本的适应性,能够实现二次电子发射系数的连续插值,适于在数值模拟软件中使用。     

基于机器学习的卫星姿态控制律设计

传统的优化算法只能针对给定控制律的指定参数进行优化.机器学习的方法,不仅进化参数,而且可以按给定准则进化出卫星姿态控制律表达式.建立卫星姿态动力学模型及敏感器和执行机构的原理与误差模型,构成含噪声的单自由度的闭环数字仿真系统.统计一段时间内仿真结果的姿态精度和稳定度作为该控制律的适应度函数.针对姿态控制律选定合适的函数...     

顾及样本优化选择的机器学习云检测研究

针对云层日变化、云类型、云相态、云光学厚度等特征差异带来的光谱差异,导致传统阈值算法对云识别精度不高的问题,文章提出了一种顾及样本优化选择,耦合物理阈值方法和机器学习的云检测算法模型,利用“葵花8号”卫星（Himawari-8）数据进行日间云检测。通过样本优化选择,使样本中尽可能包括不同情形下的云特征,为机器学习模型提供良好的样本基础,增加模型泛化能力;同时输入特征除了考虑反照率、亮温、亮温差以及天顶角等因素外,还加入了基于反照率和亮温差的物理阈值方法云识别结果;最后基于极限随机树模型进行云检测。结果表明：模型云检测交叉验证精度为96.41%,总漏检率和总虚检率分别为2.08%和0.91%;通过云-气溶胶激光雷达与红外探路者卫星观测（CALIPSO）产品数据进行对比分析,结果显示云检测总体精度为97.1%。     

小推力最优轨迹协态估计的高效机器学习方法

针对变比冲小推力轨迹间接优化中的协态变量初值猜测问题,提出了一种基于机器学习的协态变量初值高精度高效估计方法。首先,基于标称最优轨迹延拓,建立了状态量边值高扰动上限情形下的数据集生成方法,并分析了扰动上限对求解效率的影响。然后,构建了基于位置速度、轨道根数和改进春分点轨道根数多形式状态量组合输入的人工神经网络(ANN)映射关系,分析并优化了神经网络结构。将提出的方法应用于深空探测小推力转移场景,仿真结果表明该方法相对于标称轨迹直接扰动的数据集生成方法及单一形式状态量输入的人工神经网络映射方法,均有效地提升了求解收敛率,能够高效高精度地估计协态变量初值,实现轨迹快速优化。     

一种基于改进后的孤立森林机器学习方法在飞行器控制系统试验电源数据包络分析中的应用

为了弥补当前试验数据包络分析方法存在的缺陷,提出并实现了一套新的数据包络分析方法。针对控制系统设计方式相同的不同飞行器多条数据一致性判断问题,采用改良后的孤立森林方法进行数据包络分析,快速找出异常电源电压数据。这种方法还可以推广到类似其他采样数据的数据包络分析场景。在此基础上开发了数据包络分析软件,并进行了多次验证试验。结果表明,提出的数据包络分析方法能有效判断出飞行器控制系统电源所涉及链路中的隐性或显性问题。     

基于机器学习的绝热层材料粘-超弹性本构模型参数确定方法

为了更准确地描述固体发动机绝热层大变形特点以及力学响应与速率相关的力学性能,建立了一种粘-超弹性本构模型。模型由超弹性与粘弹性两部分组成,超弹部分的应力响应基于指数-对数形式的应变能密度函数推导获得,粘弹部分的应力响应为卷积积分形式。引入机器学习方法用于本构模型参数的厘定过程,该方法可以实现复杂模型的参数确定。将绝热层材料的试验数据与模型预测结果进行对比分析。结果表明,模型能够准确描述绝热层材料的力学响应,在不同拉速下(1.98、99、1980 mm/min)模型预测结果与试验结果的平均偏差分别为1.74%,8.1%,3.5%,从而说明基于机器学习的模型参数确定方法具有较高的可靠性与便捷性。     

基于孪生支持向量机的无人机目标检测算法

无人机属于机动目标,有时会集群出现,这对传统的目标检测与跟踪技术提出了更高的要求。如何提升目标检测与跟踪算法的性能一直是研究人员密切关注的问题。针对传统目标检测算法在低信噪比下无人机检测性能不佳的问题,提出了一种基于孪生支持向量机的无人机目标检测方法。利用仿真软件对雷达探测到的无人机回波数据进行仿真建模,得到不同信噪比下的回波数据。在此基础上,对回波数据进行预处理形成无人机目标检测数据集,并使用数据集对检测方法进行训练与测试。然后与恒虚警检测算法和基于支持向量机的雷达目标检测算法进行性能对比分析。实验结果表明,该方法不仅能保证传统算法在高信噪比下优越的检测性能,与此同时在低信噪比下也能实现精准目标检测,缓解了传统检测方法在低信噪比时的检测精度下降的问题。     

浅谈数控机床常见故障及其维护

本文以SIEMNENS802S数控系统为例介绍了数控机床常见的故障,并对其故障的维护做了细致说明,对数控机床的操作和故障的排除有一定帮助。     

浅谈数控机床常见故障及其维护

本文以SIEMNENS802S数控系统为例介绍了数控机床常见的故障,并对其故障的维护做了细致说明,对数控机床的操作和故障的排除有一定帮助。     

黄海气象海况对海上发射运载火箭的影响

海上发射运载火箭的实施过程会受到气象海洋环境的影响和制约,气象海洋环境会直接影响海上发射窗口期的选择及发射安全。为避免海上发射在复杂气象海况条件下发生设备重大损坏、窗口长期延后和人员安全事故等问题,通过分析黄海海域波浪场、风场、温度场及降水场的分布特征及变化规律,对基于季节变化特征的海上发射实施阶段及季节性预防趋势进行分析总结,为以后在不同季节极端天气下海上发射运载火箭提供参考。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

计算机辅助机械设计的实践与研究

本文结合作者编制计算机辅助机械设计课程设计应用软件的经验，介绍了机械设计中计算机应用程序的构造、流程和数据处理方法，这些方法适用于计算量大、数据量多的设计过程。     

液氧煤油火箭海上发射基本方案及关键技术分析

海上发射火箭在提升火箭运载能力、降低残骸坠落风险等方面具有极大优势。我国已成功实施多型固体火箭海上发射任务,相比固体火箭,液氧煤油火箭具有更高的比冲和环保性。根据液氧煤油火箭陆基发射的特点规律和固体火箭海上发射任务流程及实施方案,研究了海射系统港口基地、海上发射船、运载火箭、保障船等运行的基本方案,提出海上发射任务实施流程,分析了牵制释放、连接器零秒脱落和自动对接、无人值守推进剂加注技术在海上发射火箭中的重要意义,以及需要解决的关键技术难题。     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。