面积律设计概念与工程应用

介绍了面积律概念及相应的计算方法。指出按照近于Sears-Haack面积分布的当量旋成体设计的飞机组合体可以实现跨、超音速最小波阻。描述了面积律的工程应用，涉及设计步骤、目标面积分布控制以及“局部”面积律在高亚音速飞机上的应用等工程设计问题。     

电子束淬火（续二）

这是本课题三篇系列论文的最后一篇,概述了电子束淬火的效能和优点。对电子束淬火在工程技术领域内的实际应用,也作了详尽的阐述。 本文的前两部分分别刊登于本刊91年第2期和第3期。     

基于 Matlab的 GPS/SINS紧组合仿真实现

首先,对不同的GPS／SINS组合模式进行了分析;在此基础上针对基于伪距、伪距率的紧组合导航系统进行研究,建立了系统的状态方程和量测方程,并用Matlab进行了仿真实现。在系统的仿真实现中,由于很难获得全面真实的导航飞行轨迹数据,文章采用一种纯数学形式的解析方法来产生飞行轨迹数据,因而系统的仿真包括3部分：轨迹发生器、GPS仿真子系统、SINS仿真子系统。仿真结果表明,GPS／SINS紧组合导航系统能够有效地提高系统的导航精度,用纯数学形式的解析方法来产生飞行轨迹数据是可行的、有效的。     

高强铝合金疲劳特性研究

研究了室温大气环境下不同应力比R和不同应力集中系数Kt条件下2E12高强铝合金的高周疲劳性能,并利用扫描电镜及透射电镜对合金疲劳断口附近的微观组织及疲劳断口进行了分析.研究结果表明,在同一应力水平下,2E12高强铝合金的疲劳寿命随着应力比R的增大而提高;Kt=1时合金的疲劳寿命远远大于Kt=3时合金的疲劳寿命,表明此合金具有明显的缺口效应.疲劳断口由疲劳源区、裂纹扩展区及瞬断区组成.第二相对疲劳裂纹的萌生起着重要的作用,并且初步讨论了有关的疲劳断裂机理.     

有源多假目标干扰的极化识别新方法

提出一种利用单脉冲跟踪雷达的和、差波束特性差异的极化估计算法。基于目标散射回波和固定转发式有源假目标干扰产生物理机理的差异,设计了极化相似测度、极化相关系数、极化欧式距离等干扰鉴别参量,提出了有源假目标干扰鉴别算法。该技术无需增加极化通道,降低了计算和处理难度,更易工程实现。仿真结果证明了该方法的有效性。     

单极化雷达的散射矩阵测量新方法及其外场实验研究

针对现有装备的雷达系统不具备极化测量能力,而开发专用极化测量系统复杂度高,设备量大代价高昂的问题,本文利用国防科技大学研制的瞬态极化雷达实验系统,研究并针对一种新的极化测量算法进行了外场验证实验。该方法不需要两路正交极化发射接收设备,仅需在目标稳定跟踪阶段利用波束在空域扫掠目标过程中极化状态发生变化的固有属性对目标回波序列进行采集和处理即可实现目标极化散射矩阵的测量,外场实验和数据处理结果验证了算法的正确性。该方法对于利用天线特性来解决设备量相对较小,跟踪制导体制下目标特性测量,反隐身目标、抗干扰,低空突防和对抗辐射攻击等重要问题提供了参考依据。     

加权最小二乘—卡尔曼滤波算法在动基座对准中的应用

利用卡尔曼滤波算法进行估计需要给定初始状态估计值和初始误差方差阵.通常,初始状态估计值和初始误差方差阵由经验给定,而初始状态估计值和初始误差方差阵的选取影响着卡尔曼滤波的估计精度.文中提出了加权最小二乘-卡尔曼滤波算法,并运用到惯导系统动基座初始对准中,进行了仿真.仿真结果表明,利用加权最小二乘算法可得到更加精确的卡尔曼滤波的初始状态估计值和初始误差方差阵,提高卡尔曼滤波的估计精度,进而提高了初始对准的精度.     

几种主要陨石类型的Hugoniot参数

根据各类陨石的模式化学组成或矿物组成,采用比容叠加法计算了铁陨石,ＥＨ和ＥＬ群顽辉石球粒陨石,Ｈ,Ｌ和ＬＬ群普通球粒陨石这几种主要陨石类型的Ｈｕｇｏｎｉｏｔ参数,计算结果与已表的同灰型陨石的冲击波压缩数据一致。     

美国人工智能专利技术发展趋势研究

随着数字经济的深入发展,人工智能技术对发展区域经济以及提高科技创新活力的作用日益凸显。文章对美国专利商标局发布的人工智能专利数据集进行整理分析,考察了美国各州人工智能专利的时空分布特征以及人工智能各细分领域的变化趋势;运用标准差椭圆方法精确揭示美国人工智能专利的扩散方向及集聚程度;利用探索性空间数据分析方法,计算Moran’s I指数以分析美国各州人工智能专利分布的空间相关性与集聚演化特征,并就中美人工智能专利区域分布状况进行对比;最后对我国人工智能技术发展提出政策建议。     

基于飞行数据反演解算的 SINS空中标定技

针对机载 SINS定期拆卸并进行实验室标定存在的维护效率低、标定周期不合理的问题,提出一种基于 GPS/SINS组合导航仿真飞行数据反演解算的免拆卸空中标定方法。在对飞行数据拟合插值的基础上,利用飞行数据序列和 SINS反演算法解算出惯性器件的输出增量,以引入误差后的惯性器件输出值作为 SINS的输入进行纯惯导解算,并以 SINS和 GPS输出的速度误差作为系统级标定 Kalman滤波器的观测量,对惯性器件误差项进行滤波估计。仿真结果表明,这种标定方法可较好地估计出 SINS中的误差项,实现了 SINS的免拆卸标定,降低了对 SINS定期标定的要求。