太空“千里眼”观全球风云变化

正2017年夏季,北美、澳洲、欧洲等地区以及我国大范围持续高温、干旱,而我国华南及长江中下游地区暴雨频发。严峻形势下,一颗颗被誉为"千里眼"的风云气象卫星时刻紧盯天气变化,为人民的生命财产安全保驾护航。正是基于这些"守护者"的辛勤工作,气象工作者才能完成各种精细监测和及时准确预报,助力防灾减灾和产业应用。2017年7—9月,风云二号F星(FY-2F)启动8次区域观测(华北区域暴雨预报服务、     

机载电子干扰计算机模拟

结合防空电子干扰具体战术，用突防概率对防空系统突防进行计算机模拟，给出了计算机模拟突防过程的流程图及模拟曲线，并重点论述了防空电子干扰系统计算机模拟的程序设计。     

高温合金IN718上气膜冷却孔电火花加工试验

针对高温合金IN718上ø0.5mm气膜冷却孔的加工,采用煤油中旋转电极内冲液电火花成型加工方法,利用正交试验设计方法对试验进行设计分析,分析峰值电流、脉宽、占空比和冲液压强4个因素对材料去除率和电极相对损耗的影响,基于正交试验结果建立综合评分公式,选择最优加工参数.研究结果表明,峰值电流对材料去除率的影响最明显, 其次为冲液压强和占空比,脉宽对材料去除率的影响很小;峰值电流对电极相对损耗的影响最明显,其次为冲液压强,占空比和脉宽对电极相对损耗的影响很小;最优的加工参数峰值电流为8A、脉宽为130μs、占空比为0.35、冲液压强为5MPa,对该参数进行加工试验研究,与分析结果一致.      

民用飞机飞行试验任务优化技术研究与实现

针对具有复杂耦合关系的试飞任务难以进行全局优化的问题,提出了一种计算机辅助任务优化方法,该方法将复杂的试飞任务优化问题分解为多项串联问题,然后采用启发式算法(A*算法)和遗传算法相结合的混合遗传算法获得试飞任务单的较优组合,并以此为基础实现对试飞任务进行全局优化。工程应用表明,通过使用该方法获得的试飞任务优化结果置信度高,可有效缩短飞行试验任务周期和降低试验成本。     

基于瞬时无功功率理论和模糊PID控制的三相不平衡补偿算法

为满足三相不平衡飞机电网的无功功率实时补偿要求,设计了一种新型的静止无功补偿器（SVC）控制系统。该系统采用瞬时无功功率理论来精确检测基波正序和负序电压、电流,并推导出补偿导纳的表达式;SVC的整体控制采用了开环和闭环控制相结合的控制算法,并在闭环控制算法中,提出了自适应非线性模糊控制器在无功补偿控制系统中的应用方案。该方案结合了模糊控制和PID控制2种方法的优点,根据系统状况改变PID控制器的参数,以达到更好的动态控制效果。仿真研究结果表明,该新型SVC控制系统对于提高功率因数和补偿三相不平衡,具有响应快、精度高的控制效果。     

基于改进二维分形海面模型的分层海面电磁散射分析

用微扰法研究了平面波入射分层介质粗糙面的电磁散射。由改进的二维分形海面模型模拟实际的分层海面,导出了平面波入射时的散射系数计算公式。通过数值计算获得了不同散射角的HH极化双站散射系数,并讨论了中间介质介电常数与厚度、摩擦风速和入射波频率对双站散射系数的影响,得到改进的二维分形分层海面散射系数的基本特征、分区特征和随频率变化的特征。结果表明：散射系数近似具有＂量子化＂特征。     

基于波叠加法高速列车单车通过隧道诱发压力波计算方法

通过分析列车通过隧道过程中压力波的产生机理,并根据近年来国外学者提出的基于经验计算特征波的简单隧道内压力波计算方法,得出了隧道内和列车上任意时刻压力可以看作是多个特征波的叠加的结论,把压力波的计算问题就转化为特征波的叠加问题,建立了隧道压力波的波叠加计算方法。计算与国外实车试验结果吻合良好,通过与试验数据和特征线法计算结果的对比,证明了本文所建的叠加法计算压力波的方法的正确性和可行性。随后研究了阻塞比、车速和隧道长度的影响特性,验证了本文所建方法具有良好的预测结果。     

复杂环境下舰载机弹射起飞环境因素建模分析

舰载机弹射起飞过程复杂,受到甲板运动、舰首气流、地面效应等复杂环境因素的影响.通过构建甲板运动模型、甲板风模型和地面效应模型,描述了弹射起飞过程中复杂的外部环境,并视为附加项加入到常规飞机方程中,建立了舰载机弹射起飞模型.研究表明:地面效应不利于舰载机弹射起飞;甲板风与舰首气流可抑制航迹下沉;舰面运动对舰载机离舰后下沉量影响很大.      

基于迁移学习的卷积神经网络SAR图像目标识别

针对卷积神经网络中因网络参数随机初始化和参数过多导致的收敛速度慢及过拟合的问题,提出了一种基于迁移学习监督式预训练的卷积神经网络。首先,引入迁移学习的思想,采用小规模数据集作为源域的训练样本,针对源域中源任务进行监督式训练得到预训练模型;然后,构建一个多层的卷积神经网络作为目标域中目标任务的待训练网络,将源域中获得的预训练模型作为该网络的初始参数,大规模数据作为目标域的训练样本进行网络的微调,通过这种基于特征选择的迁移学习,实现源域到目标域的特征信息迁移;针对卷积神经网络中全连接层参数过多的问题,采用卷积层替代全连接层。试验使用美国国防高等研究计划署的移动与静止目标搜索识别（Moving and Stationary Target Acquisition and Recognition,MSTAR）数据集中三类目标数据作为源域样本,十类目标数据作为目标域样本,结果表明该算法的十类目标识别精度达到了99.13%,且具有更快的误差收敛速度。