小展弦比有限厚度舵面颤振特性分析

摘要： 舵系统是超声速再入飞行器机动飞行过程中对姿态进行控制的重要部件,其颤振特性分析是保证型号研制及飞行试验成功的关键环节.本文用当地活塞流理论对舵面颤振特性进行分析,首先建立舵系统动力学方程,确定舵面颤振临界边界计算方法,然后通过有限元分析和模态试验确定不同舵偏角度及不同加载量级组合工况下舵面模态参数,最后通过颤振分析确定舵面颤振临界参数,为舵系统结构方案设计及优化提供技术支撑.     

三维解耦的最优变结构末制导律设计

对于三维空间的目标末段拦截问题,设计了一种最优变结构末制导律.通过引入伪控制量,应用线性二次型最优控制理论推导出了视线纵向和侧向平面内的最优制导律,然后,基于变结构控制理论,将目标机动量视为扰动量,设计了一种三维的最优变结构末制导律,并通过Lyapunov稳定性定理确定变结构制导参数范围.最后仿真表明,相对于比例导引,...     

Ф300mm大口径平面等厚干涉仪波面数字化技术改造

介绍了把Ф300 mm口径平面等厚干涉仪改造为移相式数字平面干涉仪的基本情况。改造后的仪器采用液面基准的系统误差校准方法,在Ф300 mm口径时的最大允许误差为76 nm（PV值）,测量重复性为4 nm,满足相关使用要求。     

基于多源遥感数据的灌丛化草原识别技术研究

为探索遥感技术在灌丛化草原空间分布识别方面的应用潜力,文章采用GF-2、GF-3和GF-6等多源遥感数据,利用随机森林算法和灌丛植被覆盖度估测模型,分别从分类识别和定量提取角度对内蒙古正镶白旗开展多尺度的灌丛化草原遥感识别技术研究。结果表明：1)GF-6的纹理信息和GF-3的极化信息对提取灌丛植被覆盖度信息贡献度最高,但在不同尺度下差异明显,整体上尺度较小时纹理信息占优,尺度增大时,极化信息优势凸显;2）二元二次灌丛植被覆盖度估测模型效果最优,在多尺度下均比次优的估测模型精度提高5.95%,23.84%和20.74%;3）基于随机森林算法的草原灌丛化分类识别准确率随尺度增大而降低,整体上均低于以灌丛植被覆盖度为基础的定量监测结果。该研究的部分成果可为我国北方草原的监督管理及合理利用提供一定技术支撑。     

某箭体托架运输断裂破坏问题研究

航天产品运输环境中的突发颠簸等情况会导致产品损伤甚至结构破坏,需对运输产品的受损状况进行分析和评估。针对某小型火箭在运输过程中发生的托架弧托座断裂问题进行分析及结构改进,通过模拟各颠簸工况下托架各主承力组件受力及变形情况,确定弧托座断裂时运输工况及设计薄弱环节,在此基础上进行设计改进,改进后托架整体承载及抗冲击能力有了较大改善,为后续地面运输产品的设计和分析提供了参考。     

外弹道测量数据采集与处理技术

数据采集与处理技术是数据处理的关键。主要介绍外测事后数据处理过程中测量数据采集、异常数据识别、数据中奇异项剔除、数据丢点、重点检测方法、数据取齐、加密、压缩与采样时间校正、数据平滑滤波等关键技术,其对于研究数据处理新方法和提高数据处理精度,具有一定的参考价值。     

提高员工素质与完善公司“企业文化”

经济与文化联姻是时代发展的大趋势，要塑鲜明的企业形象就必须拥有独特、富有个性的企业文化。企业文化已成为企业发展壮大不可替代的资源，而人作为生产力中最活跃的因素，其素质的提高也越来越受到企业重视。本文从员工思想教育和观念转变等方面阐述了如何进一步提高员工队伍素质问题，这对完善公司“企业文化”，创造经营优势有一定的积极作用。     

基于特征信息隶属度的目标关联分析技术

重点研究基于电子信息的目标关联,提出一种利用计算特征信息隶属度的方法对辐射源识别信息与 目标之间进行关联分析并以此进行目标识别的方法.该方法实现简单,获得的结果可以直接参与后续综合处理.     

双排孔顺-逆射流组合方式对气膜冷却的影响

为了挖掘逆向射流气膜冷却潜力,数值模拟研究了顺向射流和逆向射流不同组合方式的双排孔气膜冷却叠加特性。吹风比变化为0.3～1.4。结果表明,展向平均气膜冷却效率数值模拟结果与实验值偏差小于9%。逆向射流在气膜孔出口产生的回流涡强化了气膜展向扩散,吹风比越大,强化效果越明显。吹风比为1.4时,与顺向射流+顺向射流组合结构的叠加区气膜冷却效率相比,上游顺向射流+下游逆向射流组合结构展向平均气膜冷却效率提高17%～233%,面平均气膜冷却效率提高64%;逆向射流+逆向射流组合结构展向平均气膜冷却效率提高0～410%,面平均气膜冷却效率提高62%;上游逆向射流+下游顺向射流组合展向平均气膜冷却效率提高16%～70%,面平均气膜冷却效率提高44%。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。