高超声速飞行展望

发展下一代高超声速飞行器的需求主要来自三个方面：第一方面是军用的高超声速飞行器，包括高M数的军用飞机和导弹，特别是跨大气层飞机，将使空中的作战平台提高到一个新水平，有可能在未来的高技术战争中起到杀手锏的作用；第二方面是高超声速客机；第三方面是水平起降的完全重复使用的天地往返运输系统。研制下一代高超声速飞行器面临巨大的技术挑战，在材料与结构、推进技术和空气动力等方面需要很大的技术发展跨度。高超声速飞行器的设计工具，即地面试验、计算和飞行试验，在模拟高超声速飞行方面都有其局限性。为了发展下一代的高超声速飞行器，必须一体化地运用这些工具。一体化设计方法论的关键，是用增量形式的计算流体力学结果，将地面试验数据外推到飞行条件。     

单级入轨有翼火箭的气动设计

简单地介绍了单级入轨火箭的可行性；详细地阐述了单级入轨有翼火箭气动设计的基本思想，即以箭身来满足上升段的要求，以机翼来满足再入段的要求。还介绍了美国航空航天局设计单级人轨有翼火箭的气动设计方法─—响应表面法。在此基础上，进一步介绍了根据本文叙述的基本气动设计思想和方法设计出的一种单级人轨火箭的典型外形。最后得到了结论并提出了在我国开展单级入轨火箭预研工作的建议。     

中值滤波的快速算法

提出了一种中滤波的快速算法，充分地利用相邻两次中值滤波窗口内数据的相关性。在运算过程中，通过对有序序列快速的对半查代和内插操作重构有序序列，从而得到各中值。本算法很大地提高了运算效率，计算机模拟表明该方法是有效的。     

弹载SAR信号处理及其硬件实现

针对空对舰导弹的情况，研究一种将合成孔径雷达技术用于弹戴制导雷达的方案，以提高其横向分辩率，实现对舰船目标的成象。弹载ＳＡＲ采用的一是一种聚束照射成象模式，通过站偿，可以转化为转台成象。     

信号源失真对波形记录仪动态有效位数评价的影响(英文)

波形记录仪和数据采集系统等设备的动态有效位数评价中,大都假定所用正弦波信号源无任何失真.当信号源具有噪声或谐波失真时,给评价结果将带来多大的影响,尚无确切的结论,这使得对有效位数评价结果无法进行量值溯源.本文从能量守衡角度,阐述了信号源噪声失真对波形记录仪动态有效位数评价结果的影响,同时给出了由输入信号源噪声和谐波失真带来影响的修正关系式,以及在给定误差限度下,信号源失真度选择原则的关系式。     

小孔法测量非均匀残余应力的数据处理与误差分析

讨论了逐层钻孔法测量非均匀残余应力的释放应变处理和测量误差对残余应力计算精度的影响。利用转换应力、转换应变,可方便地计算残余应力值。受小孔法本身缺陷的限制,计算所得残余应力误差随孔深增加而加大,测量深度约为应变片平均半径的一半。     

SMART STRUCTURES USING PIEZOELEMENTS FOR ACTIVE VIBRATION AND NOISE SUPPRESSION IN AVIATION AND AEROSPACE

具有减振降噪功能的压电智能结构是智能材料与结构的一个重要分支。在航空航天领域存在一些典型结构,如飞机机舱、空间站、卫星太阳能帆板和通讯天线以及直升机旋翼等,其振动与辐射噪声造成很多不利影响。为了研究这些结构的振动与噪声控制方法,制作了几个实验模型如大型薄壁复合材料圆桶、柔性梁、钢架及旋翼系统模型,通过压电传感器、驱动器布置数量和位置的优化,采用不同的控制算法,在基于个人计算机的测控平台上进行了振动控制实验,取得了明显的减振降噪效果。     

D-S证据理论在多传感器数据融合中的应用

近年来,许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很多算法,最常用的算法是贝叶斯决策检验法,国际上已提出将证据理论用于数据融合,但在这方面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ方法是对Ｂａｙｅｓ决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了Ｄ－Ｓ证据理论的数学性质,给出了可信度公理及Ｄ－Ｓ综合规则,并进行了计算机仿真实验,实验结果说明这种判决方法非常实用,用于数据融合算法非常有效     

空调器毛细管与充液量匹配的理论与试验研究

用理论分析的方法计算了空调器毛细管长度,并进行了试验研究,理论计算与试验结果比较吻合,表明其计算方法是可行的。同时,为了研究毛细管与制冷剂充注量的相互影响,又对不同毛细管长度及制冷剂充注量的匹配进行了试验研究。试验结果表明：毛细管长度及系统氟里昂充注量对空调器的制冷量、性能系数（αＣＯＰ）均有较大的影响,且二者存在最佳匹配,使得空调器的制冷量及αＣＯＰ均达到最大;制冷剂充注量过多时空调器性能下降较多,说明充注量过多更具危害性。试验结果已用于生产实际。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习,不需要离线训练。在无逼近误差和扰动的理想情况下,所提出的在线算法能保证辨识误差趋于零,基函数持续激励条件能保证权重趋于零。在非理想情况下,权重调整律采用ｅ修正权重算法,它是ＢＰ算法的推广,不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性