卫星导航系统天线阵接收机波束指向误差分析

研究表明：卫星导航系统阵元几何位置误差是影响波束指向误差的主要因素,而卫星和接收机位置误差则影响甚微,其中千米级的卫星位置误差以及接收机位置误差导致的波束指向误差不超过0.1°,而毫米级的阵元几何位置随机误差可导致典型7阵元天线阵波束指向误差达到几度。该研究成果可为卫星导航系统天线阵接收机的设计提供依据。     

基于星间测距的卫星自主导航中异常值剔除方法

在星间观测值数据传输中,由于种种因素有个别值与其他值截然不同,对定轨精度造成了严重的影响,必须对这些违反测量过程规律的异常测量值进行剔除。提出一种运用轨道积分器与设定随时间实时变化的门限值对星间距离观测值进行异常值剔除的方法。仿真结果表明,这种异常值剔除方法能够成功剔除观测误差大于等于180m的异常值,较精确、实时地剔除了对定轨结果影响较大的异常值,在卫星导航领域具有一定的应用价值。     

雷诺数对粗糙表面翼型气动性能的影响

采用Spalart-Allmaras湍流模型研究风力机专用翼型DU00-W-212的气动性能。在雷诺数小范围变化的情况下,应用数值模拟的方法对粗糙翼型和光滑翼型的气动特性进行对比。探讨雷诺数小范围变化对粗糙翼型气动特性的影响,并分析升阻力的变化机理。比较升阻力曲线,发现粗糙度对升力系数影响最大的区域在迎角10°附近。小迎角的情况下,前缘粗糙度会使得翼型的升力系数下降,阻力系数反而上升。在大迎角失速的情况下,粗糙翼型的阻力系数反而小于光滑翼型的阻力系数。为了增加叶片适应恶劣沙尘环境的能力,在叶片设计和翼型排布的过程中应该尽量避开升力系数最大的迎角处。     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

大客车局部优化造型对其使用性能的影响

随着车速的提高,汽车在行驶中受到的空气阻力便成为不可忽视的问题,因此与减阻节能相关的汽车优化造型也就显得越来越重要了。由于运动物体所受到的空气阻力系数的大小主要取决于它的头部的形状,因而我们对厢式大客车驾驶室前风窗区的几种不同造型在低速风洞中进行了测力的实验研究。实验结果表明,驾驶室前围不同形式的过渡是影响厢式客车空气阻力的重要因素。其中在适当的风窗倾角下,经过良好的圆化处理后,可使厢式大客车的空气阻力减小27%左右。这不仅节省了燃料的消耗,还可以提高汽车的最大行驶速度,改善其加速和爬坡能力。     

某型发动机加力燃油总管喷油杆断裂分析

研究了某些发动机在使用中发生的两起加力燃油总管喷油杆断裂故障，通过断口分析，组织检查，喷油杆受力分析等工作，找出喷油杆疲劳断裂失效的根本原因是设计不佳，导致喷油杆根部承受的应力水平较高，另外焊接缺陷是对疲劳裂纹的萌生起到了促进作用，最后提出了预防与改进的措施。     

论月球资源和航天月球探测

月球有珍贵的信息资源 ,丰盛的物质资源 ,奇特的环境资源和高远的位置资源。月球是航天深空探测的重点天体。长久以来的天文观察和最近 4 5年来的航天探测 ,已使人类对月球的面目有了相当多的认识。     

1,5-二氨基四唑含能配合物的制备、表征及其催化性能研究

合成出2种以1,5-二氨基四唑(DAT)为配体,苦味酸根为外界,钴和铜为中心离子的含能配合物,并对其结构进行了表征.运用示差扫描热分析(DSC)方法,就目标化合物对高氯酸铵(AP)、奥克托金(HMX)和六硝基六氮杂异伍兹烷(HNIW)热分解的影响进行了研究.利用电荷耦合器件(CCD)燃速测定系统,研究了目标化合物对缩水...     

基于临界平面法的缺口件疲劳寿命预测方法

利用弹塑性有限元分析得到缺口件的应力、应变历史，分别计算任意材料平面上的描述拉伸和剪切疲劳破坏的两种损伤参量，取最大损伤参量所在的平面为临界平面，并利用最大损伤参量预测拉伸和剪切疲劳寿命，取小值为缺口件的疲劳寿命，进而得到一种预测缺口件疲劳寿命的预测方法。用此方法预测了SAE1045钢缺口件的疲劳寿命，并与实验值进行比较，误差分布在2—3倍因子范围之内。     

考虑移动目标不确定行为方式的轨迹预测方法

针对现有方法难以预测出符合飞行移动目标不确定行为方式轨迹的问题,提出基于逆强化学习的飞行移动目标轨迹预测方法,通过学习目标行为偏好以及模拟目标行为决策过程的方式预测目标的移动轨迹。首先基于深度神经网络建立目标的行为决策模型与行为偏好模型,然后通过最大熵逆强化学习方法交替地学习模型参数。为了有效地学习目标的不确定行为特征,采用监督学习的方法学习出目标示例轨迹概率分布模型,用于指导目标行为偏好模型的训练以及初始化目标行为决策模型,同时通过对目标行为偏好模型进行预训练的方式提高其训练质量。仿真结果表明,提出的飞行移动目标轨迹预测方法可通过学习到的目标行为决策模型较为准确地模拟目标的行为方式,预测的目标轨迹分布与真实的目标轨迹分布在Kullback Leibler(KL)散度下的相似度可达0.24。