改进的基于本征滤波的时域宽带波束形成

为实现基于本征滤波宽带波束形成的频率不变性和零陷设计,提出一种改进的方法.基于最大能量阵列代价函数和主极大方向阵列响应线性约束构造的优化模型,将阵列空间响应偏差整合入代价函数,从而实现频率不变性的设计;提出了两种零陷设计的方法,将扩展旁瓣能量整合入代价函数和添加干扰方向阵列响应线性约束,构造两个新的约束优化模型,最后均由本征滤波的方法求解.仿真实验表明,该方法能在通带范围内实现指定角度范围内阵列响应的频率不变性和零陷效果,同时具有低旁瓣增益,验证了本文算法的有效性和良好性能.      

基于可能性矩的混合不确定性全局灵敏度分析

在同时包含随机不确定性和模糊不确定性结构系统中,为了分别度量随机输入变量和模糊输入变量对输出响应的统计特征的影响,提出了随机输入变量和模糊输入变量的全局灵敏度新指标。在模糊变量可能性矩定义的基础上,分析了混合不确定性下输出响应的特征。从输出响应可能性矩的角度出发,以输出响应的可能性期望为例,通过比较输出响应有条件和无条件可能性期望的概率密度函数(PDF)的平均差异,分别建立了随机输入变量和模糊输入变量关于输出响应的可能性期望的灵敏度指标。讨论了所提指标的性质,并采用Kriging代理模型来提高混合不确定性全局灵敏度指标的计算效率。最后通过算例验证了本文所提方法的准确性和高效性。     

基于FPGA的大比例系数高精度I/F电路设计

加速度计是惯性导航系统的核心部件,通常加速度计的输出信号为模拟电流,为便于导航计算机对采集数据解算处理,需经过I/F（电流/频率）转换电路。为满足某惯导系统对大比例系数加速度信号采集转换的要求,在经典I/F电路的基础上结合FPGA+A/D设计了一种比例系数大于90000脉冲/（s·mA）,量程为6mA的电流频率转换电路,同时转换电路支持串口输出。通过对该大比例系数I/F转换电路的温度特性、线性度、零位稳定性等指标的测试,表明该电路性能良好,有利于进一步拓展应用范围。     

可靠性全局灵敏度求解的Meta-IS-AK算法

可靠性全局灵敏度（GRS）可以衡量输入变量对结构系统失效概率的平均影响,但目前仍然缺乏具有广泛适应性的高效算法。针对此问题,本文将在元重要抽样和可靠性全局灵敏度的贝叶斯算法基础上建立一种新的高效算法。所提算法首先利用已有的贝叶斯算法,将可靠性全局灵敏度转换成由无条件失效概率及输入变量失效域条件下的概率密度函数（PDF）表达的形式,然后分3步来完成算法的组织。第1步是利用元重要抽样的迭代策略抽取失效域的重要抽样样本;第2步是在已有的元重要抽样法中嵌入自适应Kriging模型,高效计算出无条件失效概率;第3步是利用Metropolis-Hastings准则,将失效域的重要抽样样本转化成为原始密度函数在失效域的样本点,进而同时求得各个输入变量在失效域中的条件概率密度函数,并最终求得可靠性全局灵敏度。由于所提算法充分利用了已有的可靠性全局灵敏度贝叶斯算法的维度独立性、元重要抽样法对隐式多失效域的适应性以及元重要抽样法中嵌入式Kriging模型的高效性,因此所提算法具有广泛的适用范围和较高的效率,该结论得到了算例结果的充分验证。     

重复使用液体火箭发动机用材料及工艺研究进展

系统梳理了国外几种典型的可重复使用液体火箭发动机用材料及工艺情况,着重介绍了氢氧火箭发动机、液氧/煤油火箭发动机、液氧/甲烷发动机等可重复使用液体火箭发动机的推力室、涡轮泵、喷管等关键构件材料选用及成型工艺情况。分析各种液体火箭发动机性能需求及结构特点,探究关键材料及工艺技术发展趋势,对比国内可重复使用液体火箭发动机材料及工艺研究现状,为后续可重复使用液体火箭发动机材料及工艺技术发展方向提供思路。     

基于点云聚类评估的激光雷达鲁棒定位方法CSCD

基于先验地图的激光雷达定位方法在封闭工业场景下得到了广泛应用,然而环境变化、行人和车辆等动态物体的干扰会影响激光雷达与先验地图的匹配精度。提出了一种动态环境下基于点云聚类评估的三维激光雷达鲁棒定位方法:通过设定角度和距离双阈值,对点云深度图像进行分割聚类,相较于传统分割方法,分割结果对点云噪声更为鲁棒;通过对原始点云进行分割聚类,在粗匹配结果下评估聚类的匹配度,剔除误匹配聚类进行二次匹配以提高匹配精度;通过聚类评估的结果判断匹配成功和失败的点对,进而对点云整体匹配结果的正确性进行评估,相较于传统仅基于距离阈值的判断准则,具有更高的准确性;最终,分别通过公开数据集和实际试验验证了该算法的有效性。试验结果表明,相较于传统匹配方法,该方法有效提高了动态场景下的定位精度和匹配结果评估的准确度,定位误差可以维持在10cm以内。     

基于时空图卷积网络的无人机网络入侵检测方法

无人机网络相比地面网络具有节点快速移动、拓扑结构变换频繁和通信链路不可靠的特点,传统的针对地面网络的入侵检测方法难以适用。针对无人机网络的时空动态特性进行建模,提出了一种无人机网络的入侵检测方法——基于注意力机制的时空图卷积网络（ATGCN）。将图卷积网络和门控递归单元组合为时空图卷积网络,从复杂多变的数据中提取网络的时空演变特征,通过注意力机制提取和入侵检测最相关的特征,输入支持向量机进行分类预测。多个数据集的实验分析表明:所提方法能够适应无人机网络的动态性和不稳定性,相比传统检测方法准确率高且误报率低,具有良好的鲁棒性和适应性。      

A generative deep learning framework for airfoil flow field prediction with sparse data

Deep learning has been probed for the airfoil performance prediction in recent years.Compared with the expensive CFD simulations and wind tunnel experiments, deep learning models can be leveraged to somewhat mitigate such expenses with proper means. Nevertheless, effective training of the data-driven models in deep learning severely hinges on the data in diversity and quantity. In this paper, we present a novel data augmented Generative Adversarial Network(GAN), da GAN, for rapid and accurate fl...