Progress on Solar Physics in China During 2004 - 2006

The solar physics studies in China during 2004-2006 from solar interior to solar atmospheres and solar-interplanetary space are summarized. These researches are arranged under the topics of solar interior, photosphere, chromosphere and transition region, corona, flares and CMEs (and the associated radio bursts, X-ray/γ-ray bursts and particle acceleration), solar wind, solar cycle, and ground-based instrumentation.     

一种用于光传飞控系统的光纤温度传感器研究

利用半导体光吸收原理，设计出一种光纤温度传感器，它可实现强电磁干扰下高空无人机内的环境温度测量，具有体积小，结构简单的特点。该测试仪用GaAs晶片作为温度敏感元件，采用透射式结构，利用双光束补偿原理消除了光路扰动产生的误差。实验结果表明该传感器在-20-85℃的范围内有良好的温度响应。     

基于波动耦合的复杂结构动力响应分析与研究

有限元法(FEM)适合低频分析,统计能量分析(SEA)方法适合高频分析,而一类较宽频带(中频段)的声振响应问题不适合单独用FEM或SEA方法解决。基于波动耦合的混合FE-SEA方法兼顾了FEM与SEA方法的优点,可预测中频段含一定不确定性的声振系统的稳态响应。本文阐释了混合FE-SEA方法的理论,分别通过典型结构的蒙特卡罗仿真与复杂系统的噪声试验两案例对该方法进行了验证,其中梁-板典型结构能量响应计算值与蒙特卡罗仿真值具有较好的一致性;复杂飞行器系统的振动响应与试验结果较为吻合,舱内噪声声压级(SPL)误差小于3dB,证明了混合FESEA方法的有效性,解决了FEM与SEA方法在中频复杂声振响应中的局限性这一问题。     

民用飞机航材支援网络选址因素权衡方法研究

民用飞机航材支援网络作为主制造商为客户提供航材的必要媒介,合理地搭建该航材支援网络有利于提高主制造商的服务品质和客户运营能力。基于Kriging 方法,提出一种定性与定量相结合的民用飞机航材支援网络选址因素权衡方法,对选址因素进行梳理和分类,获取选址定量分析数据需求,并运用所提方法进行民用飞机航材支援网络选址因素权衡,...     

藜蒿中绿原酸溶剂提取方法研究

应用醇溶剂回流法提取藜蒿中绿原酸，通过正交试验，对藜蒿中绿原酸进行溶剂提取条件的优化研究，并分剐讨论了各因素对绿原酸提取率的影响。实验表明，乙醇浓度70％、12倍的提取剂用量、温度85℃、提取时间4h、提取两次为乙醇溶剂提取藜蒿中绿原酸的最佳条件，总绿原酸提取率为1.24％。     

Petri网在机器人足球系统中的应用

足球机器人系统是一种典型的离散事件动态系统,很难用传统的数学模型表达式来表达。Petri网是一种系统描述和分析工具,由于它本身具有的某些优势,使得它在足球机器人系统中的应用越来越广。论文提出了应用Petri网对该系统建模的方法,利用该方法在对机器人足球比赛充分研究的基础上,建立了其Petri网模型,并通过适当的分析方法对其合理性进行了分析。该建模分析方法不仅适用于足球机器人系统,而且适用于其它离散事件动态系统。     

反舰导弹对编队预选目标捕捉概率模拟算法

在反舰导弹动态模拟法的基础上,针对编队目标的特点分析并设计了一种新的对编队预选目标的捕捉概率模拟算法,该算法能较准确地计算预选目标的捕捉概率.     

试论债转股运作中的问题及启示

为解决国有企业资金不足和银行的不良资产问题而出台的"债转股"政策引起了社会各界的广泛关注,本文通过分析其运作中存在的问题,讨论了其所能得到的启示.     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。