平均轨道要素及其在卫星星座设计中的应用

平均轨道要素在卫星轨道设计及星座仿真中具有非常重要的作用。在综合国内外现有研究成果的基础上，给出了一整套简单实用、没有奇点的密切要素与平均要素间的相互转化方法，用此法进行的星座设计及仿真工作表明该方法非常有用。同时给出了利用平均轨道要素得以的关于赤道平面圆轨道的一个有意义的结论。     

航天光学遥感器仿真系统原理方案初步设计

介绍了航天光学遥感器仿真系统技术研究目的和意义。根据初步的研究结果，探讨了航天光学遥感器系统仿真技术方案、主要研究内容、技术途径等。重点研究了目标与背景、空间环境条件（温度场、真空、重力场和辐照）、卫星平台等对遥感器成像质量的影响和仿真内容，研究了用地面试验进行验证的方法，提出了建立系统仿真的结构体系等。     

国外航天公司结构能力调整概况

1 调整的起因 □□冷战后，各国相继调整国家安全战略，推动国防工业转轨，因此，也随之调整航天政策，特别是美国布什政府提出的空间威慑战略，使航天工业的战略地位更加上升。 许多航天公司都想通过兼并重组以提升竞争军用航天和政府民用航天项目的能力，一些非航天企业也想     

热沉温度场仿真研究

为了确定热沉温度场控制方法，建立了KM6热沉正常运行状态的数学模型，在MATRIX仿真平台上构造了仿真模型并求解，确定了KM6热沉温度场的动态特性和等价模型，并对热沉的设计提出了若干建议。     

利用平滑约束复原方法处理CCD相机遥感图像

重点研究了频域平滑约束复原方法以及该方法对遥感领域中的实际应用，文章先介绍了平滑约束复原方法的理论基础，然后用该方法对CCD相机的遥感图像进行了复原处理，讨论了遥感器系统调制传递函数（MTF）曲线的拟合，遥感器系统MTF矩阵的构造以及复原参数的选择。可以得出结论，在一定条件下，利用平滑约束复原方法可以有效地改善整个系统的调制传递函数，从而使图像变得清晰。     

充磁导致的超高速永磁同步电机不平衡磁拉力

转子永磁体充磁角度偏差导致的不平衡磁拉力对微型燃气轮机发电系统用超高速永磁同步电机的安全稳定运行有很大的影响.采用有限元数值分析方法,分别在不考虑转子偏心和考虑转子偏心的情况下,对由充磁角度偏差导致的超高速永磁同步电机不平衡磁拉力进行了计算和分析;将不平衡磁拉力的计算结果作为载荷,获得了超高速永磁同步电机空气轴承-转子系统的固有频率及振动特性.研究结果表明:转子系统在740 Hz附近发生共振,共振幅值随着转子磁芯充磁偏差角度的增大而增大;要保证转子系统安全可靠的工作,需要将磁芯的充磁角度偏差限制在5°以内.     

大展弦比飞机运动稳定性建模及分析

随着飞机设计技术的提高和新型材料的应用,现代飞机气动弹性效应越来越显著,刚体运动和弹性体振动互相解耦的关系不再明显,在分析弹性飞机相关问题时,应该综合地、统一地考虑飞行动力学与气动弹性力学问题。本文在一般体轴系下综合考虑了飞机刚体运动自由度和弹性振动自由度,建立弹性飞机刚弹耦合运动的方程,通过在配平状态下引入小扰动运动假设,以及利用有理函数拟合技术将偶极子格网法计算所得到的频域非定常气动力转化为时域形式,建立了大柔性飞机刚弹耦合小扰动状态空间方程,并对纵向运动稳定性进行分析计算。针对文中构型飞机,运用本文所采用的方法计算所得结果与传统的线性及刚体计算所得结果进行对比分析,非线性计算方法所得颤振速度更小,而且失稳模态亦发生变化,对于飞行力学模态而言,长周期模态稳定性变差,在计算速度范围内出现失稳的现象,由此说明机翼大变形对飞机稳定性所带来的影响。     

基于射线追踪的快速雷达图像仿真方法

为了解决目标识别、隐身目标设计等研究领域对雷达图像需求日益增加的问题,提出了一种基于射线追踪的快速雷达图像仿真方法。该方法利用射线追踪计算每一个射线管的散射电场及其在雷达成像平面的投影坐标,通过将所有射线管的贡献在像域进行累加得到1幅二维雷达图像。通过对不同路径射线的聚类,可实现对散射贡献的分离,从而建立目标部件与强散射源的对应关系,并对复杂目标雷达图像进行解释。给出了Slicy目标的快速雷达图像仿真与算例分析,分析结果表明:基于射线追踪的快速雷达图像仿真方法可对复杂雷达图像进行有效预测,并能对强散射源进行成因分析。     

基于L1范数的k平面聚类算法设计

基于L2范数度量的k平面聚类(k-Plane Clustering,k PC)设计思想,本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中,所导出的优化问题是非凸的,文中给出了一种求解方法,即将非凸问题转化为有限个子集上的凸问题,为避免求解多个优化问题导致训练时间过长问题,本文还设计了一种新的优选策略,有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划,而不再是k PC的求解特征值问题。在人工和UCI数据集上的实验结果表明:基于L1范数平面聚类算法的训练和测试时间更短,且在大多数数据集上均表现出了更好的聚类性能。