基于相位差分的雷达信号参数估计方法

由于接收信号长度有限而存在频率离散化采样的限制,FFT(Fast Fourier Transform,快速傅里叶变换)对雷达信号频率的估计精度会降低。基于相位差分的频率估计方法可以对这一偏差进行估计,从而减小FFT的估计误差。尝试将该方法应用于LFM(Linear Frequency Modulated,线性调频)信号带宽的估计问题,并对此进行了仿真验证,结果证明该方法对雷达信号频率和带宽估计有一定的应用价值。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

基于软件过程对象模型的度量定义方法

CQM(Goal-Question-Metric)模型是一种面向目标的定义度量的方法，在软件过程度量中被广泛采用，同时也渐渐显露出它的不足。通过对软件过程对象模型和GQM模型的分析，提出了一种结合软件过程对象模型和GQM模型的度量定义方法，使度量的定义更具体。     

会计信息失真的经济学思考

针对会计信息失真现象的泛滥，首先分析了会计信息失真的现状，在此基础上主要从经济学的角度分析了由于市场经济制度不完善、产权制度不完善和激励与约束机制不配套所带来的会计信息失真，最后提出从完善市场经济制度、完善产权制度和完善激励与约束机制等方面防范会计信息失真。     

基于自适应本征正交分解的涡轮级多学科设计优化

为了提高涡轮级多学科设计优化的优化效率,基于本征正交分解(Proper Orthogonal Decomposition,POD)技术,并结合快照样本自适应更新方法,提出了一种综合的涡轮级多学科优化系统。首先,通过进行POD分析,仅保留占优势的基函数,并以POD系数作为新的设计变量,设计变量个数由60个缩减为5个,提高了优化效率。然后,基于自适应进化规则,优化过程中对快照样本进行不断的进化和修正,从而提高POD精度。最后将该方法与涡轮多学科优化流程相结合,建立了一种高效率、高精度的优化策略。某涡轮优化的结果表明:该优化策略适于设计变量较多的复杂优化问题,且具有良好的收敛性,优化后设计点等熵效率提高了3.5%。     

三维中空夹芯复合材料拉伸性能的有限元分析

利用有限元软件Workbench,建立了三维中空夹芯复合材料结构模型,进行拉伸性能研究。利用该模型,探讨了材料在1 mm拉伸位移载荷作用下纤维、树脂和复合材料的应力、应变分布。结果表明:三维中空夹芯复合材料在拉伸载荷作用下,"X"形芯材交叉处应力最大,最容易发生拉伸破坏;上下面板应力最小,最不容易发生拉伸破坏;复合材料在承受拉伸载荷作用时,增强体纤维起主要承载作用,基体树脂起次要作用;当拉伸位移载荷达到1 mm时,材料的破坏模式主要为树脂破裂。     

基于粒子群算法的涡扇发动机气路性能修正

针对由于建模过程中条件简化及发动机零部件的差异性导致的发动机数学模型计算结果与整机性能实测数据偏差较大的问题,提出基于粒子群算法(PSO)的发动机模型修正方法,运用修正因子提高模型计算精度。将修正后发动机模型的计算结果与实测数据对比,结果表明:运用PSO算法对模型进行的修正能够显著提高模型的精度,修正前模型计算值与实测值的最大误差达4.85%,修正后最大误差只有0.97%,修正效果良好,且涡轮等后端部件比压气机等前端部件精度提高更为明显。     

吸气式高超声速飞行器机体/推进一体化设计技术研究进展及分类对比分析

为了探索吸气式高超声速飞行器机体/推进一体化设计技术新理念,按照高超声速飞机和SSTO/TSTO分类对其一体化设计技术主要研究进展进行了对比分析,结果表明:高超声速弹用一体化设计技术采用将进气道直接作为前体的方案较多;高超声速飞机一体化设计技术需重点兼顾宽速域整体气动性能;SSTO/TSTO一体化设计技术则由于火箭发动机的引入在一定程度上改善了其对一体化设计的具体需求;同时,近年来高超声速内/外流"弱干涉"和"无干涉"等新型一体化设计技术已逐渐成为一个重要发展方向。对背负式进气的内/外流"无干涉"一体化和常规腹部进气的前体预压缩内/外流"强干涉"一体化方案开展初步对比,研究表明"无干涉"一体化方案升阻比等气动性能更优,同时整体气动特性对飞行条件变化不敏感,具有更好的宽速域适应性,值得进行深入研究。     

芳纶短纤和浆粕增强聚氨酯泡沫的结构和性能研究

采用芳纶短纤(AF)和芳纶浆粕(AP)对聚氨酯泡沫进行增强,制备了两种增强聚氨酯泡沫,考察了其的泡孔结构、压缩强度以及热稳定性能。结果表明:随着芳纶纤维和浆粕填充量增加,聚氨酯泡沫的密度和压缩强度呈先增加后减小的变化趋势;当AF和AP的填充量为6wt%时,聚氨酯泡沫底部的压缩强度最大,分别为0.394和0.353 MPa,此时发泡过程中黏弹性增加,表面张力减小导致泡孔孔径明显变小且均匀性提高,纤维分布在泡棱上通过与树脂形成良好的结合起到增强效果;AF和AP的加入有助于提高聚氨酯泡沫的热稳定性,AF增强聚氨酯泡沫具有更好的热稳定性。     

机器学习方法在气动特性建模中的应用

气动数据建模是飞行性能仿真评估的基础。气动特性建模主要有机理建模方法和“黑箱”建模方法。本文对“黑箱”建模的三类机器学习方法——分类与回归树方法、浅层学习方法和深度学习方法,进行了算法说明与分析应用。将分类与回归树方法、浅层学习方法中的Kriging建模方法、RBF神经网络方法及SVM支持向量机方法分别应用于火箭气动特性建模、三角翼大迎角非定常气动特性建模、气动热试验数据融合,对这几类建模方法的优势和不足进行了比较分析。同时,将流动条件参数组成向量,再映射为图像,与翼型图像构成“合成图像”,建立了基于翼型几何图像、来流马赫数、迎角的翼型气动特性深度神经网络模型,得到了比较好的预测效果,拓展了气动特性深度学习建模方法的使用范围。