激波抛撒水膜成雾参数实验研究

使用激光相位多普勒粒子测速系统对激波抛撒水膜形成的云团进行了观测,得到激波抛撒水膜形成的云雾中液滴速率和尺寸参数.结果表明:不同厚度水膜在同等强度激波的作用下抛撒,破碎产生的液滴轴向速率和尺寸以及形成云团的高度都随水膜厚度的增加呈“W”形变化.不同厚度水膜其破碎液滴轴向运动速率存在显著差异,而径向运动速率差距不大.结果说明,在激波作用初期,激波驱动力起着关键作用,随着抛撒距离的增加,液滴的重力及在气流中所受摩擦阻力的影响越大.液膜厚度越小,透射激波越强,液膜被抛撒的范围越大.形成云团的直径随着液滴的径向速率增加而变大.     

战术数据链综合试验研究

战术数据链是一个传送战术信息的网络,有很强的军事用途。本文介绍了战术数据链的基本结构、时分多址组网方式以及编队通信流程,最后,对战术数据链地面综合试验程序做了较为详细的叙述。     

一体化凹腔支板稳定器贫油熄火性能初步试验

在来流温度773~1 073 K、来流马赫数020~032及常压条件下,试验研究了来流温度及马赫数对一体化凹腔支板稳定器(ICBSF)贫油熄火(LBO)性能的影响。结果表明:由于凹腔结构有利于燃油的蒸发与雾化,一体化凹腔支板稳定器的贫油熄火油气比为0001 3~0002 7,具有较宽的贫油熄火边界;与传统钝体火焰器类似,一体化支板稳定器的贫熄油气比随着来流马赫数的增加而增大,随着来流温度的升高而减小。此外,当来流温度显著增高时,来流马赫数对一体化支板稳定器贫油熄火油气比的影响变弱;同样,当来流马赫数显著增高时,来流温度的影响也变弱。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system,BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法。然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题。为此,本文提出了基于函数链神经网络（Functional-link neural network,FLNN）的深度分类器（FLNN based deep classifier,FLNNDC）,旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点。和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。     

联邦学习安全与隐私保护综述

联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。     

数字全息测量超高速撞击碎片云实验研究

在中国空气动力研究与发展中心(CARDC)超高速碰撞中心(HIRC)7.6 mm超高速碰撞设备的基础上,搭建纳秒级脉冲激光数字全息系统。提出滤波片和衰减片组合布置,减弱超高速碰撞等离子体自发光、提高信噪比的方法。实验获得了2.25 mm铝球弹丸以4.0 km/s的速度撞击0.5 mm厚铝板形成碎片云的全息图。采用小波变换算法对碎片云全息图进行重建,得到超高速撞击碎片云的三维结构和碎片大小。碎片云的轮廓呈椭球型,分为碎片云的前端、核心和外壳,碎片主要分布在弹丸破碎形成的碎片云核心,存在大碎片,且分布较集中,对后板的损伤也严重     

失效航天器姿态接管的SDRE微分博弈控制

针对燃料耗尽的失效航天器姿态接管控制问题,提出多颗微卫星协同实现姿态稳定的状态相关黎卡提方程(SDRE)微分博弈控制方法。首先,将姿态接管问题转化为多颗微卫星的微分博弈问题,基于组合航天器的姿态模型和微卫星的性能指标函数建立多颗微卫星的非线性微分博弈模型,微卫星通过独立优化各自的性能指标函数得到控制策略。其次,引入状态相关系数矩阵,将非线性博弈转化为状态相关线性二次型博弈,采用SDRE方法更方便地逼近微卫星的博弈均衡策略。最终通过李雅普诺夫迭代法求解耦合状态相关黎卡提方程组得到微卫星的状态反馈控制器,实现微卫星的自主决策。数值仿真验证了多颗微卫星采用微分博弈控制方法实现姿态接管的有效性和容错性。     

相关函数在涡流检测信号提取分析中的应用

为降低涡流检测信号处理的硬件复杂程度及提升后续数据分析处理灵活度,在不借助复杂硬件自平衡技术电路前提下,在LABVIEW图形化软件平台中设计了相关函数算法程序,对示波器MDO4024C所采集的原始交流电桥信号及电桥激励信号分别进行自相关及互相关运算去噪,提取分析不锈钢管不同位置的涡流信号的幅值及相位,最后再将检测信号在极坐标图中分析显示。实验结果表明,这一方法可有效实现对不锈钢管缺陷涡流信号的去噪及特征信号提取。     

一种地月转移轨道中途修正的制导算法

针对地月转移轨道中途修正问题,提出了一种求解修正速度增量的制导算法。该算法由初值设计和精确解求解两部分组成。首先,利用伪状态理论,通过简单迭代设计中途修正的初值,并通过Vinti预报方法修正了地球扁率的影响。然后,在求解精确解时,提出了一种基于伪状态理论的状态转移矩阵解析算法。该算法通过设计高精度的初值,降低了求解地月转移轨道中途修正问题的难度,而且避免了传统数值方法计算状态转移矩阵的复杂性。数值仿真结果表明,该算法可有效求解中途修正问题。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。