热完全气体的热力学特性及其N-S方程的求解

首先用五次多项式拟合给出了温度在50～3000K范围内的热完全空气的焓值与温度之间的函数关系式，导出了其它热力参数e，cp，cv和γ的表达式。接着提出了热完全空气总温、总压的计算方法，并将其计算结果与量热完全空气的结果进行了比较。最后，将该热完全空气模型用于N-S方程求解，对NAPA软件进行了改进，并用该软件时高马赫数钝体绕流流场和乘波体流场进行了计算，分析了气体真实效应时流场结构及参数的影响。结果表明，本文提出的总温、总压计算方法及时NAPA软件的改进是成功的，可较准确地模拟高超声速流动的主要特征。     

Y形进气道流场数值研究

Y形进气道在两侧进气布局的单发轻型战斗机和教练机上应用较为普遍。由于流动的复杂．不易对其内部的流动进行实测．为此本文基于Favre平均的N-S方程和B／L代数湍流模型．采用了Jameson格式和矩阵人工粘性耗散，对某型亚声速飞机的Y形进气道流场进行了数值模拟。提出了一种解决网格块之间插值问题的处理方法．研究了进气道两侧管道气流的掺混作用及二次涡．得出了进气道内外流场的马赫数、压力和速度分布，以及进气道的性能随反压和攻角的变化曲线。研究结果可为进气道的设计提供一定的参考。     

尖头细长体中小迎角流动结构的数值模拟和实验研究

利用可压缩层流Navier-Stokes方程模拟了尖头细长体中小迎角的流动结构。给出了4个迎角状态的物面流谱,分析了极限流线随迎角的发展过程;给出了25°迎角的横截面流谱,分析了它们的拓扑特征。展示了由主涡涡对、二次涡对和Tertiary涡对等三重涡组成的完整的涡系结构,强调了Tertiary涡在涡系演化中的意义,及其沿轴向发展过程中迹线的合并与分叉现象。计算与实验结果定性一致。     

内压缩通道几何参数对高超声速进气道性能的影响

用N-S方程模拟了一系列不同收缩比、不同波系配置的内压缩通道内流动,研究了内压收缩通道几何参数对进气道性能的影响,发现对于相同的外压段,内压面积收缩比对进气道内压缩通道温升比、压比和起动性能具有较好的相似规律,且随着内压面积收缩比增加,进气道温升比、压比增加,出口流场畸变下降,起动马赫数增大。通过对相同压比下不同内外压缩比的进气道性能的研究,得到了内外压缩比对进气道效率和起动性能的影响规律,发现压缩程度相同时,进气道效率和起动马赫数均随内外压缩比有先增大后减小再增大的规律。     

基于VPRS理论的航空发动机送修等级决策

应用变精度粗糙集理论研究了发动机状态信息与单元体性能参数之间的关系，提出了一种基于信息熵属性约简的航空公司发动机维修等级决策方法，从而在维修决策时能够更加客观地反映发动机实际损伤程度。最后以CF6型发动机维修等级决策规则生成为例说明了该决策方法的有效性。     

转台转速周期性波动的自适应抑制技术

惯导测试设备(转台)的转速性能对惯性元器件和导航系统的性能测试有着重要影响,转台控制系统中存在的各种周期性扰动会造成转速的周期性波动,严重影响转台速率性能的提高.本文分析了该类设备转速周期性波动产生的机理,并针对周期性扰动幅度难以确定的特征,提出了一种基于非线性自适应控制理论的抑制方法和系统实现方案,该方法能有效抑制因周期性扰动而产生的周期性速率波动,提高转台的速率性能.转台实验表明,该方法对设备中存在的周期性转速波动具有明显的抑制效果.     

模糊神经元及其计算能力研究

分析了模糊神经元模型,指出了这种神经元模型在计算能力上的缺陷.提出了对模糊神经元定义的两种改进方法,一是限制传递函数为非单调函数;二是修改定义域.对改进后的模糊神经元网络证明了计算能力与图灵机的等价性,从而对传统的神经网络作了进一步推广.还对混合模糊神经网络的特点做了简单的讨论.      

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

γ辐照对铷频标物理部分参数影响的研究

通过γ辐照试验,分析了辐照对铷频标物理部分各项参数的影响。辐照后,振荡回路的电流变化对频标准确度的影响可忽略不计;光电二极管受辐照后会使短期稳定度变差,辐照剂量率小于1 400 rad（Si）/h,不会对频标的短稳性能产生显著影响;控温电路受辐照后会引起控温点移动,从而改变频率准确度。     

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。