模糊控制器参数的均匀设计

引入了统计学中试验的均匀设计方法进行参数优化设计。介绍了均匀设计的基本原理及其在模糊控制器的量化因子和比例因子优化设计中的应用方法。与常用的遗传优化算法和正交设计方法相比,均匀设计方法可显著减少试验次数和运算时间。仿真结果表明了本文方法的可行性和有效性。     

喷管分离流动的数值模拟

针对高空喷管地面试验时产生流动分离的现象,用Ｂｅａｍ －Ｗａｒｍ ｉｎｇ 近似因式分解法求解薄层Ｎ－Ｓ方程,对分离流场进行数值模拟。预示了分离点的位置以及喷管壁面压强分布等,可以为高空发动机地面试车提供参考, 并为进一步研究分离的影响因素打下基础     

气垫船用燃气轮机进气系统数值模拟和模型试验研究

进行了气垫船用燃气轮机进气系统数值模拟计算及模型试验研究,结果表明所设计的进气系统完全能满足进气流场的均匀性要求。     

Research on Maintainability Evaluation Model Based on Fuzzy Theory

分析了产品维修性影响属性,给出了维修性属性值与权重的确定方法;提出了基于相对接近度的维修性模糊评价方法。以虚拟环境下产品维修过程为研究对象,在分析产品各可更换单元的维修作业的基础上,建立了产品维修性评价模型。最后结合民机主起落架系统给出了应用实例,结果表明该模型适用于产品维修性的定性评价并且能够支持维修性并行设计。     

The Full Flowpath Analysis of a Hypersonic Vehicle

对一种类X43-A吸气式高超飞行器全流道开展了M7一级的三维数值仿真研究,深入探索了进气道处于起动状态和不起动状态时全流道的冷流流场结构和和气动力特性,且部分结果与实验数据进行了对比。研究结果表明:(1)前体横截面上存在显著的展向压强梯度,使得经过预压缩的气流偏离了进气道进口,但同时也减少了进入内通道的边界层气流,提高了进口流场的品质;(2)后体喷流股的膨胀过程受到了周围外流的显著干扰,因而沿流动方向其截面形状不断发生变化,如在喷口附近为近似矩形,而在后体末端附近则演化为近似三角形;(3)当进气道处于不起动状态时,其全流道流动结构发生了显著变化,进气道的外部压缩波系往复振荡,尾喷管出口的喷流股也在不停的膨胀和收缩,具有极强的非定常特征;(4)当进气道处于不起动状态时,全机的气动力特性呈周期性变化,升阻比的变化幅度较大,在最大、最小值分别可达起动状态的2倍和1/4倍。另外,升力、阻力系数的变化曲线之间存在一定的相位差;(5)与实验结果的对照表明,所采用的数值仿真方法具有较高的精度。     

应变天平自补偿静校设备控制仪

本文所介绍的控制仪是实现对风洞应变天平自补偿静校设备进行自动加载和自动位置补偿的装置。文中扼要地介绍了设计思想、技术指标及其主要组成部件和电路原理图,还总结了控制仪在调试过程中排除电路干扰的若干措施。     

弱非轴对称航天器的起旋和消旋运动

本文在文献[1]的基础上,利用逐次逼近法给出弱非轴对称航天器起旋和消旋运动的解析积分。     

风云2号C气象卫星投入业务使用

7月14日，我国第一颗业务型静止气象卫星风云2号C在北京正式在轨交付。中国航天科技集团公司作为研制单位，将该卫星交付给应用单位——中国气象局。国防科工委主任张云川出席交付仪式，总装备部副部长张建启、国防科工委副主任兼国家航天局局长孙来燕、中国航天科技集团公司总经理张庆伟、中国气象局局长秦大河出席交付仪式并讲话。     

Adaptive boosting for SAR automatic target recognition

The paper proposed a novel automatic target recognition (ATR) system for classification of three types of ground vehicles in the moving and stationary target acquisition and recognition (MSTAR) public release database. First MSTAR image chips are represented as fine and raw feature vectors, where raw features compensate for the target pose estimation error that corrupts fine image features. Then, the chips are classified by using the adaptive boosting (AdaBoost) algorithm with the radial basis function (RBF) network as the base learner. Since the RBF network is a binary classifier, the multiclass problem was decomposed into a set of binary ones through the error-correcting output codes (ECOC) method, specifying a dictionary of code words for the set of three possible classes. AdaBoost combines the classification results of the RBF network for each binary problem into a code word, which is then "decoded" as one of the code words (i.e., ground-vehicle classes) in the specified dictionary. Along with classification, within the AdaBoost framework, we also conduct efficient fusion of the fine and raw image-feature vectors. The results of large-scale experiments demonstrate that our ATR scheme outperforms the state-of-the-art systems reported in the literature